研究在做什麼
長片多鏡頭影片剪輯面臨兩大挑戰：一是編輯意圖需在場景、視角與主體外觀的突然變化中保持跨鏡頭一致性；二是需處理比傳統單鏡頭編輯器更長的視覺上下文。Adobe 提出 MoviEdit 端到端框架，同時針對資料、建模與評估三方面進行設計，以實現可擴展的長片多鏡頭影片剪輯。 Hugging Face 每日精選論文
方法
在資料方面，研究團隊開發自動資料生成流程，涵蓋同步多視角影像、真實世界多鏡頭影片與生成式多鏡頭內容，在不需人工標註的情況下產生 87K 對編輯影片，提供跨鏡頭監督訊號。在架構方面，MoviEdit 採用級聯雙向自迴歸設計（先建立全域草稿再逐步精煉的兩階段架構）：先由輕量級雙向階段在時空壓縮表示（壓縮時間與空間維度以降低運算量的資料格式）上建立全域一致的編輯草稿，再透過自迴歸方式將草稿傳播並精煉至完整影片。此外，研究團隊推出 MoviEdit-Bench，作為長片多鏡頭影片剪輯的系統性評估基準。 Hugging Face 每日精選論文
結果
實驗結果顯示，MoviEdit 在文字引導與影像引導的編輯任務中，大幅優於現有開源模型，並與業界前沿模型表現相當。 Hugging Face 每日精選論文
程式碼與資料
本站 2026-11-05 整理（資料來自 Hugging Face 論文頁與 GitHub，由程式查詢，不經模型撰寫）：
- 研究機構（Hugging Face 標示）：Adobe
- 程式碼：adobe-research/MoviEdit-Bench｜8 顆星｜最後更新 2026-11-03｜授權 未標示
- 專案網頁：https://multi-shot-edit.github.io/
- 模型與資料集：Hugging Face 上沒有連結到這篇論文的公開模型或資料集