**OmniXRef：首个统一多模态多参考视频编辑框架，支持文本、图像与视频指令协同控制**

_OmniXRef: A Unified Framework for Multimodal Multi-Reference Video Editing_

> OmniXRef 是一个统一的视频编辑框架，允许用户组合文本、图像和视频等多种参考模态来灵活控制源视频。该框架通过参考库接口和 R^2-RoPE 技术增强多参考泛化能力，利用单流扩散 Transformer 联合处理多模态上下文，并构建了 OmniXRef-Data 合成数据集与 OmniXRef-Bench 评估基准。实验表明，OmniXRef 在跨模态属性转移任务中显著优于专用基线及商业模型。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-19 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.22744)