**ThinkV2V:激活MLLM推理能力实现指令引导视频编辑**

_ThinkV2V: Unleashing the Reasoning Capability of MLLMs for Instruction-Guided Video Editing_

> 提出ThinkV2V框架,通过显式激活多模态大语言模型(MLLM)的推理能力,解决现有方法在处理隐含因果或语义编辑时的不足。该框架结合渐进式课程训练与推理时思维扩展,利用5B规模DiT模型在复杂及标准编辑场景中超越10B基线,并配套发布ThinkV2V-150K数据集与基准测试。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-01 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2609.38541)