FlowDirector：免训练流向引导实现精准文本到视频编辑

文本驱动的视频编辑旨在根据自然语言指令修改视频内容。尽管最近的免训练方法通过利用预训练扩散模型取得了进展，但它们通常依赖于将输入视频映射到潜在空间的基于反演的技术，这往往导致时间不一致和结构保真度下降。为了解决这个问题，我们提出了FlowDirector，一个新颖的免反演视频编辑框架。我们的框架将编辑过程建模为数据空间中的直接演化，通过常微分方程（ODE）引导视频在其固有的时空流形上平滑过渡，从而保持时间连贯性和结构细节。为了实现局部和可控的编辑，我们引入了一种注意力引导的掩蔽机制，该机制调节ODE速度场，在空间和时间上都保留非目标区域。此外，为了解决不完整的编辑并增强与编辑指令的语义对齐，我们提出了一种受分类器无关引导（Classifier-Free Guidance）启发的引导增强编辑策略，该策略利用多个候选流之间的差分信号来引导编辑轨迹，使其实现更强的语义对齐，同时不损害结构一致性。跨基准的广泛实验表明，FlowDirector在指令依从性、时间一致性和背景保留方面取得了最先进的性能，为无需反演的高效且连贯的视频编辑开创了新范式。