视频编辑涉及多种编辑范式，但在单一统一框架内实现高质量的指导式和主题指导式编辑仍然具有挑战性。我们引入了EditVid ，这是一个无需训练的框架，它结合了用于局部相干性的稀疏因果记忆，用于远程身份保存的基于通信的后注意令牌注入，以及用于编辑的软潜伏混合

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2609.04190v1)获取最准确的信息。

---
🔗 **原文链接**: [One Editor, Many Edits: A Unified Training-Free Framework fo](https://arxiv.org/abs/2609.04190v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Adheesh Sunil Juvekar, Onkar Kishor Susladkar, Kiet A. Nguyen, Muntasir Wahed, Nabeel Bashir, Xiaona Zhou, Tianjiao Yu, Vedant Shah, Ismini Lourentzou

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
多模态正在逼近实用门槛。如果你想做产品级落地，这篇文章值得读。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-09-04 14:01