Research
MMLVE-Agent：面向长视频多指令多镜头编辑的智能体推理框架
MMLVE-Agent是一个面向长视频多指令多镜头编辑的智能体推理框架，利用LLM和VLM协同实现镜头级视频解耦与精确指令解析，在消除编辑幻觉、保持跨镜头一致性和无缝时空过渡方面优于现有闭源方法Seedance 2.0。
阅读 Hugging Face Daily Papers 原文为什么重要
该框架解决了长视频编辑中的一致性和幻觉问题，对视频编辑工具的发展具有实际应用价值。
关键事实
事实 1
研究引入多指令多镜头长视频编辑（MMLVE）任务，其三个核心目标包括跨镜头编辑一致性。
来源与依据
we introduce the Multi-Instruction Multi-Shot Long-Video Editing (MMLVE) task, which is structured around three core objectives: Cross-Shot Editing Consistency
事实 2
该框架利用大语言模型（LLM）和视觉语言模型（VLM）的协同，实现镜头级视频解耦与精确指令解析。
来源与依据
an agentic editing framework that leverages the synergy of Large Language Models (LLMs) and Vision-Language Models (VLMs) to achieve shot-level video decoupling and precise instruction parsing
事实 3
实验显示MMLVE-Agent在消除编辑幻觉、保持跨镜头一致性和无缝时空过渡方面优于现有闭源方法Seedance 2.0。
来源与依据
our MMLVE-Agent outperforms existing closed-source SOTA approaches (e.g., Seedance 2.0), successfully eliminating editing hallucinations, preserving cross-shot editing consistency, and attaining seamless spatiotemporal transitions