**EffectLearner：面向真实场景视频物体移除的世界感知推理框架**

_EffectLearner: World-Aware Object-Effect Reasoning for Real-World Video Object Removal_

> HuggingFace社区论文提出EffectLearner，结合视觉语言模型与扩散Transformer，通过结构化效应分析提示实现跨模态推理，精准识别并移除视频中的目标物体及其诱导效应。该方法在复杂真实场景中展现出优越的时空一致性与移除质量，并在EffectWorld数据集上验证了其在长尾物理现象和动态交互场景中的泛化能力。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-08-07 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2608.05565)