SteerVTE：用风格与字形控制编辑视频文字

Kai Zeng 等作者提出 SteerVTE 框架，通过风格与字形控制驱动冻结的视频扩散模型完成视频文本编辑，并称其在文本准确度、风格一致性和时序连贯性上显著优于现有视频编辑基线。 该框架在冻结的扩散 Transformer 上挂载轻量文本上下文适配器：风格编码器捕捉原文字的视觉属性，字形编码器以在线级、字符级双粒度编码目标文本。作者同时提出 SteerVTE-1M 数据集。上述效果为作者在论文中的说法。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。