Hugging Face Daily Papers·2026-09-28 08:00· 4 天前AI 评分33

视频-音频联合与跨模态生成及编辑：统一形式化与设计分类体系

Joint and Cross-Modal Video-Audio Generation and Editing: A Unified Formulation and Design Taxonomy

AI 导读

一篇综述将联合生成、跨模态生成与联合编辑统一形式化为音视频对分布上的三类问题，并提出沿五个设计轴比较方法的分类体系。该工作称首次系统梳理联合音视频编辑，将其划分为九类编辑、涵盖 28 种编辑类型，并整理了各设定的方法、数据集与指标。