KGEdit：用于 无需训练 精确视频生成和编辑的歧义感知知识图

近年来，无需训练 视频生成取得了显着进步。然而，在处理复杂的文本指令时，现有方法仍然存在语义模糊、概念绑定不正确和跨框架不一致等问题。为了解决这些问题，我们提出了 KGEdit，一种用于文本到视频（T2V）扩散模型的结构化语义控制框架。具体来说，我们首先构建一个歧义感知知识图（AAKG）来理清输入提示并消除歧义，将其转换为四种类型的结构化语义：身份、关系、属性和否定约束。然后，我们设计了一个结构化语义注入模块（SSIM），将这些语义信号注入到扩散Transformer的关键层中，从而实现细粒度的语义控制。此外，我们引入了时间感知语义控制（TASC）模块，该模块根据去噪过程的阶段性特征动态调度语义目标，进一步提高语义对齐和时间一致性。实验表明，KGEdit 在编辑精度和时间稳定性方面优于现有方法，同时在文本驱动的交互场景中提供更高的效率和可控性。