Vera-Layered-Video ist ein hierarchischer Diffusionsdatensatz für die Videobearbeitung, der 2026 von Caltech in Zusammenarbeit mit Netflix veröffentlicht wurde. Er soll die inhaltserhaltende Videobearbeitung auf Basis eines hierarchischen Diffusionsmodells unterstützen. Zugehörige Forschungsarbeiten umfassen… Vera: Ein mehrschichtiges Diffusionsmodell für die inhaltserhaltende Videobearbeitung . Dieser Datensatz besteht aus einem Trainings- und einem Testdatensatz. Der Trainingsdatensatz enthält 11.996 Clips mit 49 Einzelbildern und 6.005 Clips mit 81 Einzelbildern. Der Testdatensatz umfasst 141 Clips, die zwei Arten von Bearbeitungsaufgaben abdecken: Hintergrundaustausch und Objekthinzufügen. Dabei werden sowohl Compositing-Anwendungen als auch reale Szenen berücksichtigt. Die Daten des Trainingsdatensatzes stammen von Pexels, Mixkit und VideoMatte240K, während der Testdatensatz zusätzlich Material von DAVIS und VACEBench enthält.

Zusammensetzung des Datensatzes:

• 49 Trainingsset-Frames: Jeder Frame ist 3 Sekunden lang und enthält 914 realistische Set1-Hintergrundänderungs-Frames, 470 realistische Set1-Objekthinzufügungs-Frames, 770 realistische Set2-Objekthinzufügungs-Frames, 4.994 synthetische Hintergrundänderungs-Frames und 4.848 synthetische Objekthinzufügungs-Frames.
• 81 Trainingsset-Frames: Jeder Frame ist 5 Sekunden lang und enthält 457 realistische Set1-Hintergrundänderungs-Frames, 235 realistische Set1-Objekthinzufügungs-Frames, 385 realistische Set2-Objekthinzufügungs-Frames, 2.497 synthetische Hintergrundänderungs-Frames und 2.431 synthetische Objekthinzufügungs-Frames.
• Ausschnitt aus dem Testset: Enthält 69 bg-change- und 72 obj-add-Anweisungen.

Zitat

@article{zheng2026vera,
title     = {Vera: A Layered Diffusion Model for Content-Preserving Video Editing},
author    = {Zheng, Hongkai and Cheng, Ta-Ying and Klein, Benjamin and Yue, Yisong and Yuan, Zhuoning},
journal   = {arXiv preprint arXiv:2606.23610},
year      = {2026}
}