ArticleMetadataMain page

source · 2026-04-15

VidToMe（CVPR 2024）：用于零样本视频编辑的视频 token merging

#near-cvpr-2025#video-editing#video-generation#efficiency#primary-source

VidToMe（CVPR 2024）：用于零样本视频编辑的视频 token merging

会议：CVPR 2024
发表日期：2023/12/17
资料加入日期：2026-04-14

一句话结论

这篇工作把 token merging 接进零样本视频编辑，补强了视频编辑里的效率优化路线。

问题定义

它要解决的是零样本视频编辑在长序列上代价高、效率差的问题。对当前知识库来说，它补的是视频编辑除了结果质量外，对效率和可扩展性的持续追求。

方法概述

VidToMe 通过 video token merging 来加速 zero-shot video editing，在尽量维持编辑质量的同时减少计算负担。

关键发现

  • 它说明视频编辑主线里“效率”已经独立成持续被优化的目标。
  • 它和 RAVE 一起让这条线从噪声重排、token merging 等不同角度追求更可用的编辑系统。
  • 它也把 diffusion-models 页里的效率主题更自然地接回 video-editing。

局限或疑问

  • token merging 通常会带来信息压缩损失。
  • 效率收益和最终编辑质量之间仍然需要任务级权衡。
  • 它更像系统优化路线，而不是能力上限突破。

原始链接

  • https://arxiv.org/abs/2312.10656
  • https://arxiv.org/pdf/2312.10656

相关页面

备注

VidToMe 在这套库里的作用，是把视频编辑主线中的 token-merging 效率路线补成明确节点。

Metadata

{
  "id": "2026-04-14-vidtome",
  "type": "source",
  "title": "VidToMe（CVPR 2024）：用于零样本视频编辑的视频 token merging",
  "status": "reviewed",
  "created": "2026-04-14",
  "updated": "2026-04-15",
  "venue": "CVPR 2024",
  "ingested_at": "2026-04-14",
  "tags": [
    "near-cvpr-2025",
    "video-editing",
    "video-generation",
    "efficiency",
    "primary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "authors": [
    "Li, Xirui",
    "Ma, Chao",
    "Yang, Xiaokang",
    "Yang, Ming-Hsuan"
  ],
  "published_at": "2023/12/17",
  "canonical_links": [
    "https://arxiv.org/abs/2312.10656",
    "https://arxiv.org/pdf/2312.10656"
  ],
  "raw_entry": "raw/ingest/2026-04-14-vidtome/",
  "topics": [
    "topics/video-editing",
    "topics/video-generation",
    "topics/diffusion-models"
  ],
  "entities": [
    "entities/video-editing-understanding"
  ],
  "claims": [],
  "questions": [
    "questions/question-do-benchmarks-track-real-video-editing-understanding"
  ]
}