ALIVE：面向首帧引导视频编辑的交互对齐物体插入框架

ALIVE 是一个面向首帧引导视频编辑的框架，仅凭编辑后的首帧和指定插入物体的指令，就能让新增物体与源视频内容产生连贯交互。研究团队构建了 35,800 对编辑样本并训练 VLM 预测交互引导，在自建 ALIVE-interaction 与通用视频物体插入基准上，相对最强基线 Overall 指标分别提升 43.9% 和 4.4%，VLM 引导进一步带来 0.95 分提升。