天津手机直播系统下载

钠斯网络专注于直播系统源码开发，支持私有化部署与自建流媒体，产品涵盖短视频系统、语聊系统、教育直播、直播带货、体育赛事直播、IM即时通讯系统等，提供全套解决方案与源码交付，助力企业快速搭建稳定高效的直播平台。

近日，来自中山大学 iSEE 实验室、香港汉文大学 MM Lab、新加坡南洋理工大学、香港大学的筹商团队发布了最新筹商效力ProEdit。

该步调通过对瞩见解机制和起原噪声潜在散播的"精确手术"，竣工了超高精度的图像与视频剪辑，且完竣无需考验、即插即用。

△  图 1. ProEdit 在图像和视频剪辑上与现存步调的对比为什么 AI 剪辑老是"改不动"？

当今，基于反演（Inversion-based）的剪辑步调（如 RF-Solver、FireFlow）频繁选拔全局注入计谋：为了保抓布景尽量一致，它们会将原图的大量信息强行"塞"进生成过程。

但筹商团队通过文本与图像的瞩见解可视化发现，这种作念法存在严重的"源图像信息过度注入"问题：

瞩见解过度注入：

现存步调通过全局注入了过多的源图像瞩见解特征，导致模子更听源图像的话，而忽略了用户的剪辑辅导（Prompt）。

潜在空间锁死：

反演后的起原噪声中残留了太强的源图像散播信息，使得模子倾向于"重建"原图，而不是"剪辑"新图。

为止便是：现存步调下，你念念把"橙色猫"改写成"玄色猫"，AI 可能也曾给你一只橙色猫。而去除源图像瞩见解注入机制，又难以保抓布景和非剪辑属性的一致性。

△  图 2. 现存步调与去除瞩见解注入下的瞩见解可视化与剪辑效果 ProEdit 两把精确的"手术刀"

为了破解上述难过，ProEdit 提议了两个中枢模块，从两个维度排斥源图像信息的阻挠：

△  图 3. ProEdit 步调概览。

包含 KV-Mix 和 Latents-Shift 两个中枢模块与总体历程 1. KV-Mix：瞩见解层面的"羼杂注入机制"

瞩见解注入机制关于保抓布景一致性至关浩大，但 ProEdit 不再盲目进行全局注入，而是通过瞩见解求（Attention Map）索求出掩码（Mask），以识别出"剪辑区"和"非剪辑区"。

非剪辑区：全量注入原图的 K（Key）和 V（Value）瞩见解特征，保证布景的一致性。

剪辑区：将原图与标的的 K（Key）和 V（Value）瞩见解特征按比例羼杂。这种"羼杂"机制让模子既能按照剪辑辅导（Prompt）进行剪辑，又能参考原图的结构，竣工平滑过渡。

2. Latents-Shift：潜变量空间的"散播偏移"

受立场迁徙算法 AdaIN 的启发，ProEdit 引入了 Latents-Shift 模块。

它在剪辑区域通过引入高斯噪声，对反演后的起原噪声（Inverted Noise）进行散播的统计量偏移，从而排斥了源图像散播对起原噪声散播的过度影响。

效果：澈底禁锢源图像对剪辑图像属性的"紧箍咒"，让面貌、姿态、数目等属性修改变得举手之劳。

精确剪辑，布景一致

通过上述历程，ProEdit 简略谨守剪辑辅导，竣工精确、布景一致的剪辑。

△  图 4. ProEdit 图像剪辑效果对比。

ProEdit 不错即插即用到现存的 Solver 当中晋升剪辑效果

与现存基于反演的剪辑步调对比，ProEdit 在以下方面施展出了显耀上风：

布景一致性：

精确的掩码（Mask）辞别出了非剪辑区域，确保了在修改标的属性时布景的一致性。

非剪辑属性的一致性：

在剪辑某个特定属性时（如面貌）时，其他属性（如物体的姿态、纹理特征）简略保抓一致性。

剪辑精确度与辅导谨守度：

在图像和视频剪辑中均竣工了更澈底、更精确的属性调整。

△  图 5. ProEdit 剪辑视频效果展示战绩斐然：全线 SOTA，即插即用

为了科学评估 ProEdit 在图像 / 视频的剪辑质地，筹商团队在 PIE-Bench 上进行了图像剪辑实验，在互联网视频构成的视频剪辑数据上进行了视频剪辑实验。

△  表 1. PIE-Bench 上的图像剪辑实验为止

△  表 2. 互联网视频数据上的视频剪辑实验为止

实验为止袒露：

ProEdit 在 PIE-Bench 和视频剪辑任务上均得回了最佳的办法，尤其在面貌改换等精确剪辑任务上，显耀优于基线步调。

视频 / 图像双向适配：

ProEdit 双向适配视频和图像剪辑任务，在保抓一致性的同期，简略精确地修改视频和图像履行。

即插即用：

ProEdit 不错无缺适配 FLUX 和 HunyuanVideo 等基于修正流（Rectified Flow）的模子，并简略无缝集成到 RF-Solver、FireFlow、UniEdit 等现存 Solver 中，立竿见影地晋升剪辑质地。

转头与研究

ProEdit 针对基于反演的剪辑中永久存在的"源图像信息过度注入"难过，提供了一个免考验（Training-Free）、即插即用（Plug-and-Play）的步调。

通过对瞩见解机制和起原噪声潜变量散播的简易化处理，该筹商禁锢了现存步调在剪辑精确度上的瓶颈，处分了基于反演的剪辑中的剪辑效果与一致性均衡难过。

ProEdit 通过精确的模块化意料打算，为生成式剪辑提供了一个高效、低本钱且通用的框架。

改日，跟着底层图像和视频生成模子的束缚进化，ProEdit 这种无需重考验、具备强兼容性的步调，其施展将愈加值得期待。

论文流畅：

https://arxiv.org/abs/2512.22118v1

姿色主页：

https://isee-laboratory.github.io/ProEdit/

代码仓库：

https://github.com/iSEE-Laboratory/ProEdit

一键三连「点赞」「转发」「严防心」

宽饶在辩论区留住你的念念法！

—  完  —

咱们正在招聘别称眼疾手快、良善 AI 的学术剪辑实习生  � �

感兴致的小伙伴宽饶良善 � �  了解确定

� � 点亮星标 � �

科技前沿进展逐日见天津手机直播系统下载