Newest papers

UniVOE: A Removal-Driven Framework for Interaction-Aware Universal Video Object Editing

Shuzhou Yang, Lanqing Guo, Lingen Li, Weiqi Li, Zhao Zhong, Liefeng Bo, Jian Zhang · 2026 · arXiv

DOI: 10.48550/arXiv.2610.31641 · open-access PDF

Hindi

वीडियो ऑब्जेक्ट हटाने और इंजेक्शन ऑब्जेक्ट मौजूद और ऑब्जेक्ट अपरिवर्तित वीडियो राज्यों के बीच आपसी संपादन ऑपरेशन हैं, फिर भी वे प्रशिक्षण कठिनाइयों में काफी भिन्न होते हैं। इंजेक्शन को वीडियो इंजेक्शन से प्रभावी ढंग से बूटस्ट्राप किया जा सकता है और अतिरिक्त रूप से ऑब्जेक्ट-संबंधित बातचीत प्रभावों को हटाने के लिए अनुकूलित किया जा सकता है। इंजेक्शन, हालांकि, मॉडल ऑब्जेक्ट उपस्थिति, गतिशीलता और दृश्य निर्भर प्रभावों के लिए बड़े पैमाने पर जोड़े गए पर्यवेक्षण की आवश्यकता होती है, जबकि पूरी तरह से समायोजित वास्तविक दुनिया के जोड़े को इकट्ठा करना मुश्किल होता है और संश्लेषित डेटा में पर्याप्त

Machine translation (Meta M2M100); the English original follows.

Abstract

Video object removal and injection are reciprocal editing operations between object-present and object-absent video states, yet they differ substantially in training difficulty. Removal can be effectively bootstrapped from video inpainting and further adapted to erase object-related interaction effects. Injection, however, requires large-scale paired supervision to model object appearance, dynamics, and scene-dependent effects, while perfectly aligned real-world pairs are difficult to collect and synthetic data lacks sufficient realism and diversity. To address this challenge, we present UniVO

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange