arXiv:2510.22970v1 Announce Type: new 
Abstract: Recent advances in training-free video editing have enabled lightweight and precise cross-frame generation by leveraging pre-trained text-to-image diffusion models. However, existing methods often rely on heuristic frame selection to maintain temporal consistency during DDIM inversion, which introduces manual bias and reduces the scalability of end-to-end inference. In this paper, we propose~\textbf{VALA} (\textbf{V}ariational \textbf{A}lignment for \textbf{L}atent \textbf{A}nchors), a variational alignment module that adaptively selects key frames and compresses their latent features into semantic anchors for consistent video editing. To learn meaningful assignments, VALA propose a variational framework with a contrastive learning objective. Therefore, it can transform cross-frame latent representations into compressed latent anchors that preserve both content and temporal coherence. Our method can be fully integrated into training-free text-to-image based video editing models. Extensive experiments on real-world video editing benchmarks show that VALA achieves state-of-the-art performance in inversion fidelity, editing quality, and temporal consistency, while offering improved efficiency over prior methods.

تُعدّ المقدمة الحديثة لـ VALA، وهي طريقة لتحرير الفيديو بدون تدريب، تقدمًا كبيرًا في هذا المجال. من خلال استخدام نماذج الانتشار من النص إلى الصورة المدربة مسبقًا، تُحسن VALA من توليد الإطارات المتقاطعة بينما تعالج المشكلة الشائعة للاتساق الزمني. لا تقلل هذه الابتكار من التحيز اليدوي فحسب، بل تُحسن أيضًا من قابلية توسيع عمليات تحرير الفيديو، مما يسهل على المبدعين إنتاج محتوى عالي الجودة بكفاءة. مع تزايد الطلب على تحرير الفيديو السلس، قد تلعب VALA دورًا حاسمًا في تشكيل مستقبل الوسائط الرقمية.

La reciente introducción de VALA, un método de edición de video sin entrenamiento, marca un avance significativo en el campo. Al utilizar modelos de difusión de texto a imagen preentrenados, VALA mejora la generación entre fotogramas mientras aborda el problema común de la consistencia temporal. Esta innovación no solo reduce el sesgo manual, sino que también mejora la escalabilidad de los procesos de edición de video, facilitando a los creadores la producción de contenido de alta calidad de manera eficiente. A medida que crece la demanda de edición de video sin interrupciones, VALA podría desempeñar un papel crucial en el futuro de los medios digitales.

La récente introduction de VALA, une méthode d'édition vidéo sans entraînement, marque une avancée significative dans le domaine. En utilisant des modèles de diffusion texte-à-image pré-entraînés, VALA améliore la génération entre les images tout en abordant le problème courant de la cohérence temporelle. Cette innovation réduit non seulement le biais manuel, mais améliore également l'évolutivité des processus d'édition vidéo, facilitant ainsi la production de contenu de haute qualité pour les créateurs. Alors que la demande pour un montage vidéo fluide augmente, VALA pourrait jouer un rôle crucial dans l'avenir des médias numériques.

The recent introduction of VALA, a method for training-free video editing, marks a significant advancement in the field. By utilizing pre-trained text-to-image diffusion models, VALA enhances cross-frame generation while addressing the common issue of temporal consistency. This innovation not only reduces manual bias but also improves the scalability of video editing processes, making it easier for creators to produce high-quality content efficiently. As the demand for seamless video editing grows, VALA could play a crucial role in shaping the future of digital media.

VALA: Learning Latent Anchors for Training-Free and Temporally Consistent

arXiv:2511.18684v1 Announce Type: new 
Abstract: Robust concept removal for text-to-image (T2I) and text-to-video (T2V) models is essential for their safe deployment. Existing methods, however, suffer from costly retraining, inference overhead, or vulnerability to adversarial attacks. Crucially, they rarely model the latent semantic overlap between the target erase concept and surrounding content -- causing collateral damage post-erasure -- and even fewer methods work reliably across both T2I and T2V domains. We introduce Instant Concept Erasure (ICE), a training-free, modality-agnostic, one-shot weight modification approach that achieves precise, persistent unlearning with zero overhead. ICE defines erase and preserve subspaces using anisotropic energy-weighted scaling, then explicitly regularises against their intersection using a unique, closed-form overlap projector. We pose a convex and Lipschitz-bounded Spectral Unlearning Objective, balancing erasure fidelity and intersection preservation, that admits a stable and unique analytical solution. This solution defines a dissociation operator that is translated to the model's text-conditioning layers, making the edit permanent and runtime-free. Across targeted removals of artistic styles, objects, identities, and explicit content, ICE efficiently achieves strong erasure with improved robustness to red-teaming, all while causing only minimal degradation of original generative abilities in both T2I and T2V models.

قدم الباحثون تقنية Instant Concept Erasure (ICE)، وهي نهج جديد لإزالة المفاهيم بشكل موثوق في نماذج النص إلى صورة (T2I) والنص إلى فيديو (T2V). تلغي هذه الطريقة الحاجة إلى إعادة التدريب المكلفة وتقلل من عبء الاستدلال، بينما تعالج الثغرات الأمنية ضد الهجمات العدائية. تستخدم ICE تقنية تعديل الوزن في خطوة واحدة دون تدريب، مما يضمن إلغاء تعلم دقيق ودائم دون أضرار جانبية للمحتوى المحيط.

Investigadores han presentado el Instant Concept Erasure (ICE), un enfoque novedoso para la eliminación robusta de conceptos en modelos de texto-a-imagen (T2I) y texto-a-video (T2V). Este método elimina la necesidad de reentrenamiento costoso y minimiza la sobrecarga de inferencia, al tiempo que aborda las vulnerabilidades a ataques adversariales. ICE emplea una técnica de modificación de pesos en una sola vez, sin necesidad de entrenamiento, que asegura un desaprendizaje preciso y persistente sin daños colaterales al contenido circundante.

Des chercheurs ont introduit l'Instant Concept Erasure (ICE), une nouvelle approche pour la suppression robuste de concepts dans les modèles de texte-à-image (T2I) et de texte-à-vidéo (T2V). Cette méthode élimine le besoin de réentraînement coûteux et minimise la surcharge d'inférence tout en abordant les vulnérabilités aux attaques adversariales. ICE utilise une technique de modification de poids en une seule fois, sans formation, qui garantit un désapprentissage précis et persistant sans dommages collatéraux au contenu environnant.

Researchers have introduced Instant Concept Erasure (ICE), a novel approach for robust concept removal in text-to-image (T2I) and text-to-video (T2V) models. This method eliminates the need for costly retraining and minimizes inference overhead while addressing vulnerabilities to adversarial attacks. ICE employs a training-free, one-shot weight modification technique that ensures precise and persistent unlearning without collateral damage to surrounding content.

VALA: Learning Latent Anchors for Training-Free and Temporally Consistent

Was this article worth reading? Share it

VidMax.ai

sync. labs

Videotok