新方法提升视频文本编辑准确率至0.9408

研究者提出一种基于轨迹对齐字形渲染的视频文本编辑方法，并构建了 VTEdit 基准。该方法通过逐帧字形引导和深度归一化识别器特征监督，解决视频扩散模型难以复现精确笔画结构、易生成乱码字符的问题。 VTEdit 基准包含 288 个真实场景片段和 440 条标注文本轨迹，覆盖文本替换与添加任务，作者称将公开以支持后续研究。实验显示，该方法在文本准确率和背景保持上优于图像文本编辑方法、视频编辑方法及商业模型，句子准确率达 0.9408，并在用户研究中获得最高偏好。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。