ALIVE：面向首帧引导视频编辑的交互对齐物体插入框架

视频编辑框架 ALIVE 能让插入的物体与源视频内容产生连贯交互，如被拿起或被操控，仅需一张编辑后的首帧和一条只命名新增物体的指令。团队构建了 35,800 对编辑数据，并训练 VLM 预测交互引导；在 ALIVE-interaction 和通用视频物体插入两个基准上，无 VLM 引导时 Overall 分别比最强基线提升 43.9% 和 4.4%，VLM 引导再提升 0.95 分。