10:34
官方账号arXiv cs.AI@Yueyi Liu, Chi Zhang, Sen Cui, Miao Liu
推荐理由：这篇论文解决了视频编辑时模型丢失先验的问题，用三种新技巧让编辑更精准，效果比以前的TTT方法好得多。
测试时调优
共 1 条相关 AI 资讯
7月24日
10:34
测试时调优（TTT）在预训练扩散模型中用于视频编辑，但存在Prior Collapse问题，导致模型丢弃文本条件和空间潜在变量。ElasticTTT通过目标分布正则化防止过拟合记忆，对比CFG引导推理远离源偏置，以及异步噪声调度保留未编辑区域。在一次性视频编辑任务上，该方法相较现有TTT方法实现了更优的语义保真度和编辑质量。