JoyAI-Video-Edit: Real-Time Open-Ended Video Editing with Autoregressive Diffusion
本条目由 AI 按收录标准筛选与撰写，经独立的 AI 核查在原文中逐条找到依据，未经人工审核；数字与结论以原文为准。
相关报告
收录理由
该报告为自回归扩散流式视频编辑技术报告，含分块因果适配、源锚定分布匹配蒸馏与长程自回归蒸馏训练，构建LongV2VBench基准，开展自动与人工评测并开源代码。
关键要点
- JoyAI-Video-Edit为16B参数自回归扩散框架，面向无需访问未来帧或预定义时长的实时开放ended视频编辑。
- 训练结合分块自回归适配、Source-Anchored Distribution Matching Distillation（SA-DMD）与Long-Horizon Autoregressive Distillation。
- 完整系统在单块 Nvidia B200 GPU 上实现端到端 720p 视频编辑，约 30 FPS。
- OpenVE-Bench 上 JoyAI-Video-Edit 在 720×1280 分辨率下 Overall 得分为 3.60。
- LongV2VBench 为一分钟长视频编辑基准，含 229 项跨五类代表任务。
- LongV2VBench 评测中 JoyAI-Video-Edit 的 Full Throughput 为 30.19 FPS（720×1280）。