VideoPainter – 港中文联合腾讯等机构推出的视频修复和编辑框架-爱论文

VideoPainter是什么

VideoPainter 是香港中文大学、腾讯ARC Lab、东京大学、澳门大学等机构推出的视频修复和编辑框架，专门用在处理任意长度的视频内容。VideoPainter基于双分支架构，结合轻量级上下文编码器和预训练的扩散模型，实现高效的背景保留和前景生成。框架支持插件式操作，用户根据需求灵活调整修复效果。VideoPainter 引入 ID 重采样技术，能在长视频中保持对象一致性。VideoPainter构建了 VPData 和 VPBench，目前最大的视频修复数据集，包含超过 39 万段视频剪辑，为大规模训练和评估提供支持。VideoPainter 在视频质量、掩码区域保留和文本对齐等多个指标上展现卓越了性能，为视频修复和编辑领域带来新的突破。

VideoPainter的主要功能

任意长度的视频修复：处理从短片段到长视频的各种内容，修复被遮挡或损坏的部分。背景保留与前景生成：基于双分支架构，实现背景的精确保留和前景的高质量生成。文本指导的视频编辑：支持用文本指令进行视频编辑，如添加、删除、替换或修改视频中的对象。对象一致性维持：在长视频中保持对象的身份一致性，避免出现对象漂移或突变。插件式控制：支持与不同的扩散模型或LoRA（低秩适配）模型结合，实现多样化的视频生成和编辑需求。

VideoPainter的技术原理

双分支架构：背景分支：基于轻量级上下文编码器提取背景特征，注入到预训练的扩散模型中，确保背景的连贯性。前景分支：基于扩散模型的生成能力，根据文本提示生成前景内容，与背景特征结合，实现高质量的修复。轻量级上下文编码器：仅包含两层，占用主模型参数的6%，提取背景特征并以分组方式注入到扩散模型中。基于选择性特征融合，将背景特征注入到模型中，避免前景和背景信息混淆。ID重采样技术：在训练时，增强目标区域的ID信息，提升模型对修复区域的感知能力。在推理时，将前一视频片段的修复区域特征与当前片段结合，确保长视频中对象的一致性。插件式控制：支持与不同的扩散模型或LoRA模型结合，用户根据需求选择合适的模型进行视频修复或编辑。兼容文本到视频（T2V）和图像到视频（I2V）扩散模型，进一步扩展应用范围。大规模数据集构建：用先进的视觉模型（如SAM2、Grounding DINO等），自动生成精确的分割掩码和密集的文本描述。构建VPData和VPBench，包含超过39万段视频剪辑，为大规模训练和评估提供支持。

VideoPainter的项目地址

项目官网：https://yxbian23.github.io/project/video-painter/GitHub仓库：https://github.com/TencentARC/VideoPainterHuggingFace模型库：https://huggingface.co/TencentARC/VideoPainterarXiv技术论文：https://arxiv.org/pdf/2503.05639

VideoPainter的应用场景

影视修复与制作：修复老电影、电视剧中的损坏画面，或添加特效、修改场景。广告与营销：快速生成高质量视频内容，添加或替换背景、道具，实现个性化定制。视频创作与直播：实时修复视频中的错误或干扰，添加虚拟道具，提升视觉效果。VR与AR应用：生成沉浸式视频内容，修复或修改虚拟场景，增强现实感。教育与培训：制作教学视频，修复古籍影像，添加虚拟设备或标注，增强教学效果。