**ALIVE:基于首帧引导的视频编辑中实现交互对齐的对象插入** _ALIVE: Interaction-Aligned Object Insertion
原帖
**ALIVE:基于首帧引导的视频编辑中实现交互对齐的对象插入**
_ALIVE: Interaction-Aligned Object Insertion for First-Frame-Guided Video Editing_
> ALIVE 框架通过结合编辑后的首帧与指令,使插入视频中的对象能与原始内容产生连贯交互(如被拿起或操作)。该研究构建了包含 3.58 万个编辑对的训练数据集,并训练视觉语言模型(VLM)预测交互引导。在 ALIVE-interaction 基准测试中,ALIVE 在整体表现上比最强基线提升 43.9%,且 VLM 引导进一步提升了交互保真度,无需额外用户输入。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-07 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2610.08779)