OSVE

本文介绍OSVE框架，旨在解决文本引导视频编辑中速度与质量的矛盾。传统多步方法计算昂贵，直接应用单步模型则导致结构坍塌。OSVE通过可学习的反转编码器和统一帧编辑机制，在单步内完成高质量编辑。实验显示，OSVE在20帧和90帧视频上分别比RAVE快171倍和155倍，且时序一致性显著优于基线。需注意单步模型对控制信号敏感，且长视频处理需依赖滑动窗口策略。