**SVEET：让双向视频扩散模型支持实时流式视频编辑**

_Streaming Video Editing with Easy Adaptation_

> 论文提出 SVEET 框架，仅在预训练的双向视频扩散模型上做适配训练，即可实现自回归式的高质量流式视频编辑。作者系统梳理现有视频到视频扩散方法后，总结出流式适配的两条关键原则：主干特征解耦与条件帧独立性。基于此，SVEET 用一条辅助模型分支以时间独立的注意力编码源视频输入，并将中间特征注入主干对应模块，实现与流式生成兼容的可控性；同时提出解耦训练方案，显式约束视频可控性与模型因果性的优化方向正交，从而弥合双向与流式模型的特征空间差异，支持跨异构主干的零样本知识迁移。实验显示其编辑质量更优，且在单张 H100 上无需任何辅助加速即可达到 15 FPS 的实时性能。代码已开源。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-22 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.24788)