ALIVE：面向首帧引导视频编辑的交互对齐对象插入框架

ALIVE 让视频中新插入对象能与原视频内容产生连贯交互，只需编辑后的首帧和注明新增对象的指令。研究构建了 35,800 个编辑对，并训练 VLM 预测交互引导；在 ALIVE-interaction 和通用视频对象插入基准上，ALIVE 相比最强基线 Overall 分别提升 43.9% 和 4.4%，VLM 引导再提升 0.95 分。