[논문리뷰] GRNEdit: Efficient General Video Editing from a New Binary-Evidence Perspective in Generative Refinement Networks기존의 Instruction-based 비디오 편집 연구들은 거대 확산 모델이나 흐름 모델 위에서 복잡한 소스 컨디셔닝을 수행하여, 편집 의도를 반영하는 과정에서 연산 자원이 과도하게 소모되는 한계가 있습니다.#Review#Generative Refinement Networks#Video Editing#Binary Evidence#Hierarchical Binary Quantization#Identity-Aligned Null Condition#Instruction-Based Editing#Parameter-Efficient2026년 8월 17일댓글 수 로딩 중
[논문리뷰] Scaling Instruction-Based Video Editing with a High-Quality Synthetic Dataset지시 기반 비디오 편집의 발전을 저해하는 대규모 고품질 학습 데이터의 부족 문제 를 해결하는 것이 목표입니다. 기존 데이터 생성 파이프라인의 제한된 확장성, 낮은 품질, 일관성 부족 등의 한계를 극복하고, 다양한 편집 작업에 대한 정확하고 일관된 편집 능력을 갖춘 모델 훈련을 위한 데이터셋과 방법론을 제시합니다.#Review#Video Editing#Instruction-Based Editing#Synthetic Data Generation#Dataset#Curriculum Learning#Diffusion Models#Vision-Language Models2025년 10월 20일댓글 수 로딩 중