T3HG-Editor: Text-driven 3D Human Garment Editing with Body Priors Embedded in SMPL-X
研究文本驱动的3D人体服装编辑问题，提出T3HG-Editor编辑器，利用SMPL-X的先验信息，经可编辑高斯获取、服装一致编辑、高斯更新带溢出修剪三个阶段，实现高保真和服装一致的编辑效果，优于现有方法。
2026-07-16 cs.CV
CAD-Editor: A Locate-then-Infill Framework with Automated Training Data Synthesis for Text-Based CAD Editing
University of Science（科学大学）；Microsoft Research Asia（微软亚洲研究院）
本文提出首个基于文本的CAD编辑框架CAD-Editor，通过自动化数据合成流程和定位-再填充框架，将编辑任务分解为区域定位与内容再填充两个子任务，并由LLM驱动，实验证明其性能优越。
2025-07-03 cs.CV
JarvisEvo: Towards a Self-Evolving Photo Editing Agent with Synergistic Editor-Evaluator Optimization
Tencent Hunyuan（腾讯文元）
JarvisEvo通过协同编辑器-评估器优化，实现自进化式照片编辑代理，提升编辑质量和内容保真度。
2025-12-04 cs.CV
Free-Editor: Zero-shot Text-driven 3D Scene Editing
University of Central Florida（中佛罗里达大学）；Wayne State University（韦恩州立大学）
针对现有3D场景编辑需重训练模型、存在多视图不一致的问题，提出免训练的Free-Editor技术，通过单视图编辑和Edit Transformer实现高效一致的文本驱动3D场景编辑，速度达SOTA方法的20倍。
2024-07-14 cs.CV
Editor's Choice: Evaluating Abstract Intent in Image Editing through Atomic Entity Analysis
Technion – Israel Institute of Technology（技术ion – 以色列理工学院）；Google Research（谷歌研究）
本文提出通过原子实体分析评估图像编辑中抽象意图的方法，引入Entity-Rubrics框架并构建AbstractEdit基准，揭示现有模型在平衡意图与保留之间的挑战，强调结合先进LLM和迭代思维的重要性。
2026-05-14 cs.CV
Free-Form Scene Editor: Enabling Multi-Round Object Manipulation like in a 3D Engine
针对现有文本到图像扩散模型难以完成3D感知物体操控的问题，提出自回归框架FFSE与配套数据集3DObjectEditor，可实现多轮物理一致的真实图像3D物体编辑，性能优于现有方法。
2025-11-17 cs.CV
Are Watermarked Images Editable? SafeMark for Watermark-Preserving Text-Guided Image Editing
Queen’s University（皇后大学）；University of Waterloo（滑铁卢大学）
本文研究了一个基础但未被充分探索的问题：水印图像能否在不损害水印完整性的情况下保持可编辑？我们提出了SafeMark框架，该框架在图像编辑过程中显式地将水印完整性整合进去。具体来说，SafeMark将阈值化的水印解码损失直接添加到扩散编辑器的训练目标中，微调编辑器，使得语义上有效的编辑也能够在最终输出中保留嵌入的水印。这种设计具有清晰的信息论依据：在编辑图像上保持高比特准确性下限界了编辑通道所保持的水印与编辑输出之间的互信息，这一量根本控制着水印恢复能力。SafeMark与可微扩散编辑器兼容，不需要架构修改。在多个数据集、文本引导编辑方法和编辑后失真设置上的广泛评估表明，SafeMark在多种编辑设置中实现了高水印比特准确性，同时保持高质量的语义编辑，而不会牺牲对常见编辑后失真的鲁棒性。这些结果表明，语义可编辑性和水印完整性本质上是兼容的，使生成编辑管道中的图像溯源变得可信。
2026-10-28 cs.CV
V2Edit: Versatile Video Diffusion Editor for Videos and 3D Scenes
Zhejiang University（浙江大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
提出无需训练的 V$^2$Edit 框架，通过渐进任务分解与噪声、交叉注意力控制实现视频编辑，并以“渲染-编辑-重建”扩展至高质量3D一致场景编辑。
2025-03-14 cs.CV
Dynamic-eDiTor: Training-Free Text-Driven 4D Scene Editing with Multimodal Diffusion Transformer
Purdue University（普渡大学）；Korea University（韩国大学）
Dynamic-eDiTor通过多模态扩散变换器和4DGS实现无训练文本驱动的4D场景编辑，提升多视图和时间一致性。
2025-11-30 cs.AI cs.CV
Mind the RefGAP: Correcting Reference Attention in Diffusion-Based Visual Editing
Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）；United Arab Emirates University（阿联酋大学）
针对扩散编辑模型参考注意力分配不足的问题，提出无需训练的RefGAP方法，在线校正logit偏移以增强参考使用，在七个编辑模型上提升身份保真度并保持良好权衡。
2026-09-29 cs.CV
DGE: Direct Gaussian 3D Editing by Consistent Multi-view Editing
University of Oxford（牛津大学）
针对开放式语言指令下3D编辑依赖2D引导导致的低效和多视角不一致问题，提出直接高斯编辑器（DGE），通过多视角一致修改2D编辑器并直接优化3D高斯表示，提升编辑效率与准确性，支持局部编辑。
2024-11-28 cs.CV
Dreamix: Video Diffusion Models are General Video Editors
Google Research（谷歌研究院）；The Hebrew University of Jerusalem（希伯来大学）
文本驱动的图像和视频扩散模型最近取得了前所未有的一代现实主义。虽然扩散模型已成功应用于图像编辑，但很少有作品将其应用于视频编辑。我们提出了第一个基于扩散的方法，能够执行基于文本的运动和外观编辑的一般视频。我们的方法使用视频扩散模型相结合，在推理时间，低分辨率的时空信息从原始视频与新的，高分辨率的信息，它合成对齐的指导文本提示。由于获得原始视频的高保真度需要保留其一些高分辨率信息，因此我们添加了一个对原始视频进行微调的初步阶段，从而显着提高保真度。我们建议通过一个新的混合目标来提高运动的可编辑性，该目标与全时间注意力和时间注意力掩蔽相结合。我们进一步介绍了一个新的框架，图像动画。我们首先通过简单的图像处理操作，如复制和透视几何投影，将图像转换成一个粗略的视频，然后使用我们的通用视频编辑器来动画它。作为进一步的应用，我们可以使用我们的方法为主题驱动的视频生成。大量的定性和数值实验展示了显着的编辑能力，我们的方法，并建立其优越的性能相比，基线方法。
2023-02-02 cs.CV
Are Image-to-Video Models Good Zero-Shot Image Editors?
Zhejiang University（浙江大学）；Harvard University（哈佛大学）
IF-Edit通过无需微调的框架，利用预训练图像到视频扩散模型实现指令驱动的图像编辑，解决提示错位、冗余时间潜在特征和模糊后期帧问题，展现强大的推理能力和通用编辑竞争力。
2025-11-25 cs.CV
One Editor, Many Edits: A Unified Training-Free Framework for Diverse Video Editing
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
针对单一框架内实现高质量多样化视频编辑的挑战，提出无训练框架EditVid，结合稀疏因果记忆等技术，在FiVE、IVEBench数据集及用户研究中均取得优于基线的结果。
2026-09-04 cs.AI cs.CV
EditDuet: A Multi-Agent System for Video Non-Linear Editing
Adobe；Czech Institute of Informatics, Robotics and Cybernetics, Czech Technical University（捷克信息学、机器人学与自动化技术研究所，捷克技术大学）
针对现有视频编辑工具自动化程度不足的问题，提出多智能体系统EditDuet，通过编辑与评审智能体协作完成语言驱动的非线性视频编辑，实验验证其在多指标上优于现有方法。
2025-09-13 cs.CV
When Text-to-Image Helps Editing: The Effects of Conditioning During Denoising
HSE University（高等经济大学）；Yandex
该研究提出任务切换方法，让统一编辑模型在去噪过程中利用文生图能力，在三个编辑器和四个基准上提升了编辑质量，同时保持感知保留度。
2026-10-02 cs.CV
Control4D: Efficient 4D Portrait Editing with Text
Tsinghua University（清华大学）；NNKosmos Technology（NNKosmos科技）
Control4D提出GaussianPlanes结构化4D表示和4D生成器，以解决文本驱动4D人像编辑中表示低效与编辑不一致问题，实现高效且时空一致的编辑效果。
2023-11-30 cs.CV
VRWKV-Editor: Reducing quadratic complexity in transformer-based video editing
International Artificial Intelligence Center of Morocco University Mohammed VI Polytechnic Rabat, Morocco（摩洛哥国际人工智能中心摩洛哥穆莱·伊沙克·穆莱·阿卜杜勒阿齐兹 polytechnic 大学拉巴特分校）；University Mohammed VI Polytechnic Rabat, Morocco（摩洛哥穆莱·伊沙克·穆莱·阿卜杜勒阿齐兹 polytechnic 大学拉巴特分校）；Sorbonne University, LIP6 - UMR 7606 CNRS, France（索邦大学，LIP6 - UMR 7606 CNRS，法国）
VRWKV-Editor通过引入线性时空聚合模块，降低基于变换器的视频编辑模型的计算复杂度，实现3.7倍加速和60%内存节省，同时保持高质量的帧一致性和文本对齐。
2026-09-22 cs.AI cs.CV
Rubric-CEPR: Self-Evolving Image Editing via Reward-Verified Self-Distillation
Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）；Aalto University（阿尔托大学）
本研究提出Rubric-CEPR自进化图像编辑框架，仅用编辑器自身生成结果，通过规则增强的CEPR奖励验证样本并蒸馏优化，在多数据集上提升了图像编辑性能。
2026-10-14 cs.CV
FlexEdit: Flexible and Controllable Diffusion-based Object-centric Image Editing
VinAI Research（VinAI研究院）；Posts & Telecom. Institute of Tech., Vietnam（越南邮电技术研究院）
针对以对象为中心的图像编辑中形状差异和控制受限问题，提出FlexEdit框架，通过在每个去噪步骤迭代调整潜变量并使用自适应掩码保护背景，实现了灵活可控的对象替换与插入，并在多种场景下表现优越。
2024-12-20 cs.CV
WeEdit: A Dataset, Benchmark and Glyph-Guided Framework for Text-centric Image Editing
WeEdit通过构建大规模数据集和定制训练策略，提升文本中心图像编辑的精度与多样性，优于现有开源模型。
2026-07-20 cs.CV
InsEdit: Towards Instruction-based Visual Editing via Data-Efficient Video Diffusion Models Adaptation
The Hong Kong University of Science and Technology（香港科技大学）；Celia Research HK；City University of Hong Kong（香港城市大学）
本文提出InsEdit，基于HunyuanVideo-1.5构建指令式编辑模型，结合Mutual Context Attention机制，仅需少量视频编辑数据即可实现高质量视频编辑，并支持图像编辑。
2026-04-09 cs.CV
EditThinker: Unlocking Iterative Reasoning for Any Image Editor
Beihang University（北航大学）；Meituan（美团）；CUHK MMLab；CUHK IMIXR；Tsinghua University（清华大学）
EditThinker通过迭代推理框架提升图像编辑指令遵循能力，利用强化学习优化编辑过程，显著提高模型性能。
2025-12-05 cs.CV
A Reinforcement Learning-Based Automatic Video Editing Method Using Pre-trained Vision-Language Model
The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；AIRS, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）AIRS）
本文提出一种结合预训练视觉语言模型与强化学习的自动视频编辑方法，用于通用场景编辑，并在真实电影数据集上验证了其有效性。
2024-11-07 cs.CV
Protective Perturbations Must Survive the Resize: Scale-Robust Image Immunization against Malicious Editing
University of Aberdeen（阿伯丁大学）；Newcastle University（纽卡斯尔大学）；University of Nottingham（诺丁汉大学）；Wuhan University（武汉大学）
针对恶意编辑的保护性扰动在缩放后失效的问题，提出尺度鲁棒免疫方法SRIM，通过覆盖全尺度范围的锚定采样提升最坏情况保护，显著优于现有方法。
2026-10-12 cs.CV
Model the Edit, Not the Image: Visual Autoregressive Editing from a Source-Centric Perspective
该研究针对视觉自回归模型（VARs）编辑的现有不足，提出以源为中心视角的EditMod方法，实现了高保真度与强文本对齐的1K图像端到端编辑，速度达1.57秒/张A100 GPU。
2026-08-14 cs.CV
LMMs Meet Object-Centric Vision: Understanding, Segmentation, Editing and Generation
Zhejiang University（浙江大学）；Nanjing University of Aeronautics and Astronautics（南京航空航天大学）
本文探讨了LMMs与以物体为中心的视觉结合，总结了在理解、分割、编辑和生成方面的新进展，提出了开放挑战和未来方向。
2026-04-20 cs.CV
StreamingEffect: Real-Time Human-Centric Video Effect Generation
Show Lab, National University of Singapore（新加坡国立大学Show实验室）
本文提出StreamingEffect框架，通过实时视频到视频编辑技术，在保持人类身份、背景内容和时间一致性的同时添加表现性效果，并构建了最大的以人为中心的视频效果数据集VideoEffect-130K，实现了单块H200 GPU上的实时高质量720p视频编辑。
2026-05-16 cs.CV
BluePixel: Toward Native 4K Agentic Image Editing
vivo Mobile Communication Co., Ltd.（维沃移动通信有限公司）；Nanjing University（南京大学）；Shanghai Jiao Tong University（上海交通大学）
BluePixel提出将原生4K编辑模型与智能体 harness 结合的系统方案，通过渐进式VAE适配等技术实现低成本4K训练，在VINS-4KEval++数据集上7个模型中排名第二。
2026-10-14 cs.CV
ThinkRL-Edit: Thinking in Reinforcement Learning for Reasoning-Centric Image Editing
Zhejiang University（浙江大学）
ThinkRL-Edit通过引入链式推理和无偏奖励策略，提升图像编辑的推理能力，实现更精准和稳定的编辑效果。
2026-02-26 cs.CV
Text-Driven Reasoning Video Editing via Reinforcement Learning on Digital Twin Representations
Department of Computer Science, Johns Hopkins University（计算机科学系，约翰霍普金斯大学）
针对现有文本驱动视频编辑方法无法处理隐式语义查询的问题，提出RIVER模型，通过数字孪生表征解耦推理与生成，结合强化学习训练，在自建及公开基准上取得最优性能。
2025-11-18 cs.CV
Why Do DiT Editors Drift? Plug-and-Play Low Frequency Alignment in VAE Latent Space
Tsinghua University（清华大学）；Carnegie Mellon University（卡内基梅隆大学）；Peking University（北京大学）；CASIA；University of Electronic Science and Technology of China（电子科技大学）；Guangming Laboratory（光明实验室）
本文从潜在空间频率角度研究DiT编辑器漂移问题，提出无需训练的VAE-LFA方法，通过低频对齐抑制语义漂移并保持高频细节，适用于白盒和黑盒DiT编辑器。
2026-05-07 cs.AI cs.CV
Localize, Don't Beautify: Client-Side Control of Image-Editing APIs for Cosmetic Surgery Previews
本文针对公开图像编辑API无法提供模型内部信息的问题，提出客户端通过掩码合成可实现整容预览的区域定位，在保证身份保留的同时提升编辑区域的准确性，且效果优于仅用提示词的方式。
2026-08-05 cs.CV
Drag as Evidence: Motion-Grounded Latent Recomposition for Drag-Based Editing
Southeast University（东南大学）；Purple Mountain Laboratories（紫金山实验室）；Singapore Management University（新加坡管理大学）
MoRe-Drag通过将像素扭曲作为运动证据注入潜在重组，实现高精度拖拽编辑，在DragBench基准上优于现有方法。
2026-10-27 cs.CV
ReasonEdit: Editing Vision-Language Models using Human Reasoning
University of Virginia（弗吉尼亚大学）；University of California, Berkeley（加州大学伯克利分校）；Stanford University（斯坦福大学）
ReasonEdit通过引入人类推理机制，改进视觉语言模型的编辑能力，提升编辑泛化性能。
2026-08-25 cs.AI cs.CV
InstructEdit: Instruction-based Knowledge Editing for Large Language Models
Zhejiang University（浙江大学）；Tencent（腾讯）
针对大语言模型知识编辑跨任务泛化性受限的问题，提出基于指令的统一编辑技术InstructEdit，在多任务设置下显著提升了编辑器的控制能力与泛化表现。
2024-04-28 cs.AI cs.CL cs.CV
Look Before You Edit: Attention-Guided Camera Placement and Multi-View Alignment for 3D Gaussian Splatting Editing
Seoul National University（首尔国立大学）
针对3D高斯点渲染编辑受固定相机限制的问题，提出LB-Edit框架。通过注意力引导相机放置确定编辑相机位置，多视图注意力对齐使视图编辑一致。实验表明该方法在多方面表现优，减少视图数量并降低延迟。
2026-07-23 cs.CV
Med-Banana: Learning Quality-Controlled Medical Image Editing from Success-and-Failure Trajectories
National University of Singapore（新加坡国立大学）；The Chinese University of Hong Kong（香港中文大学）；Harbin Institute of Technology（哈尔滨工业大学）
提出Med-Banana框架，通过收集成功与失败编辑轨迹数据集Med-Banana-80K，联合训练编辑器、验证器和优化器，实现质量可控的医学图像编辑。
2026-06-03 cs.CV cs.MM
DynVideo-E: Harnessing Dynamic NeRF for Large-Scale Motion- and View-Change Human-Centric Video Editing
National University of Singapore（新加坡国立大学）；Tencent PCG（腾讯平台与内容事业群）
本文提出 DynVideo-E，利用动态 NeRF 与多视角多姿态 SDS 等设计实现大规模运动及视角变化下的以人为中心视频编辑，并在人类偏好上大幅超越现有方法。
2023-12-07 cs.CV
STELLAR: Scene Text Editor for Low-Resource Languages and Real-World Data
针对场景文本编辑中低资源语言支持缺失、合成与真实数据领域差距及风格评估指标不足的问题，提出STELLAR，通过语言自适应字形编码器、多阶段训练及新数据集STIPLAR、指标TAS，实现多语言编辑并提升视觉一致性与识别准确率。
2025-11-14 cs.CV
Understanding Generative AI Capabilities in Everyday Image Editing Tasks
University of Alberta（阿尔伯塔大学）；Auburn University（奥本大学）；Adobe Research（Adobe 研究院）
本文通过分析Reddit上83k个真实图像编辑请求，评估了生成式AI（如GPT-4o）的能力，发现仅约33%的请求可被最佳AI编辑器完成，且AI在低创造性精确编辑任务上表现更差，常难以保持身份特征。
2025-05-26 cs.AI cs.CV
ALIVE: Interaction-Aligned Object Insertion for First-Frame-Guided Video Editing
University of Rochester（罗切斯特大学）；Adobe Research（Adobe 研究院）
ALIVE通过首帧编辑和指令，使插入物体与源视频内容产生连贯交互，并训练VLM预测引导，显著提升交互保真度。
2026-10-07 cs.CV
MEDit-Bench: A Dataset for Evaluating Message-Driven Narrative Video Editing
The University of Osaka（大阪大学）；CyberAgent, Inc.（株式会社CyberAgent）
研究消息驱动的视频编辑问题，提出MEDit-Bench数据集及基准，通过多消息与编辑配对展示消息对编辑的影响，定义评估协议，标注消息属性，实验表明模型虽在宽松阈值下接近人类，但严格标准下仍落后，人类编辑更优。
2026-07-29 cs.CV
Attention-Scoped Guidance: Training-Free Spatial Control for Image Editing
Shanghai Jiao Tong University（上海交通大学）；Cardiff University（卡迪夫大学）；University of Klagenfurt（克拉根福大学）
提出注意力范围引导（ASG），一种无训练的空间权重分配方法，通过指令注意力软支持图调节文本引导与图像锚定，在MagicBrush和PIE-Bench++上提升编辑保留指标。
2026-09-30 cs.CV
Learning Action and Reasoning-Centric Image Editing from Videos and Simulations
Mila（米拉研究所）；McGill University（麦吉尔大学）；Stability AI（稳定性人工智能公司）；HEC Montréal（蒙特利尔高等商学院）；Polytechnique Montréal（蒙特利尔理工学院）；ServiceNow Research（ServiceNow研究院）；Facebook（脸书）；Canada CIFAR AI Chair（加拿大CIFAR人工智能主席项目）；Facebook CIFAR AI Chair（脸书CIFAR人工智能主席项目）
本文针对现有图像编辑模型在动作和推理类编辑上的不足，构建了来自视频与模拟的高质量 AURORA 数据集和 AURORA-Bench 基准，并提出新的判别性自动评估指标，微调后的模型在 8 类编辑任务上显著优于以往方法。
2024-10-17 cs.CV
EgoPlay: Event-Triggered Video Editing for Egocentric Streams
Snap Inc.（Snap公司）；King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学）
研究第一人称视角视频流编辑问题，提出EgoPlay，通过微调预训练模型，在单个端到端模型中联合学习事件识别等，构建数据集训练双向视频扩散编辑器，在Ego4D基准测试中表现出色，优于现有基线。
2026-07-28 cs.AI cs.CV
RePlan: Reasoning-guided Region Planning for Complex Instruction-based Image Editing
Tencent AI Lab（腾讯人工智能实验室）；CUHK（香港中文大学）；HKUST（香港科技大学）
研究针对复杂指令图像编辑中现有模型在IV-复杂性下的不足，提出RePlan框架，结合视觉语言规划器与扩散编辑器，经强化学习提升性能，还推出IV-Edit基准，该框架在相关设置中优于强大基线，提高了区域精度和整体一致性。
2026-07-17 cs.CV
From Editor to Dense Geometry Estimator
BJTU（北京工业大学）；Alibaba Group（阿里巴巴集团）；CQUPT（重庆大学）；NTU（国立科技大学）
本文分析了编辑器和生成器在密集几何估计中的微调行为，提出FE2E框架，通过改进编辑模型的训练目标和精度处理，实现了零样本单目深度和法线估计的显著提升。
2026-03-24 cs.AI cs.CV
Edit the Bits, Diff the Codes: Bitwise Residual Editing for Visual Autoregressive Models
LMU Munich & Munich Center for Machine Learning (MCML)（慕尼黑大学 & 慕尼黑机器学习中心 (MCML)）
提出BitResEdit，一种无需训练的视觉自回归图像编辑方法，通过比特级源负引导和残差编码注入，在保持背景的同时实现强文本对齐。
2026-06-12 cs.CL cs.CV
EPEdit: Redefining Image Editing with Generative AI and User-Centric Design
University of Science, VNU-HCM（越南胡志明市科学大学）；Vietnam National University, Ho Chi Minh City（越南国家大学，胡志明市）；University of Information Technology, VNU-HCM（越南胡志明市信息科技大学）；University of Dayton（Dayton 大学）
提出EPEdit应用，结合零样本Stable Diffusion模型和用户友好界面，支持多种图像编辑任务，无需微调，性能优于现有方案。
2026-06-24 cs.CV
SeedEdit: Align Image Re-Generation to Image Editing
Seed Team, ByteDance（字节跳动Seed团队）
SeedEdit是一种扩散模型，通过平衡图像重建与再生成，实现基于任意文本提示的多样且稳定的图像编辑，支持连续修改。
2024-11-11 cs.CV
PAIR-Diffusion: A Comprehensive Multimodal Object-Level Image Editor
Picsart AI Research (PAIR)（Picsart人工智能研究院（PAIR））；University of Trento（特伦托大学）；UT Austin（德克萨斯大学奥斯汀分校）；UC Berkeley（加州大学伯克利分校）
本文提出 PAIR Diffusion 框架，将图像视为对象组合，通过控制各对象的结构与外观实现无需反演的多模态对象级编辑。
2024-04-08 cs.AI cs.CV cs.LG
Efficient Diffusion-Driven Corruption Editor for Test-Time Adaptation
Seoul National University（首尔大学）；Soongsil University（崇实大学）；Yonsei University（延世大学）
针对现有基于扩散的测试时自适应方法资源消耗高的问题，提出基于潜在扩散模型与腐蚀建模方案的高效TTA方法，经蒸馏后仅需4次NFE，性能最优且速度远超基线与传统模型更新方法。
2024-07-11 cs.CV
ViTeX-Bench: Benchmarking High-Fidelity Video Scene Text Editing
Texas A&M University（德克萨斯A&M大学）
ViTeX-Bench提出视频场景文本编辑基准，含387个真实视频数据集和13指标三维评估协议，并发布ViTeX-Edit-14B编辑器，在文本正确性、时间稳定性和场景保留间取得最佳平衡。
2026-10-14 cs.AI cs.CV
