Vera-Layered-Video est un jeu de données de diffusion hiérarchique pour le montage vidéo, publié en 2026 par Caltech en collaboration avec Netflix. Il vise à faciliter le montage vidéo préservant le contenu grâce à un modèle de diffusion hiérarchique. Parmi les articles de recherche associés, on peut citer… Vera : un modèle de diffusion par couches pour le montage vidéo préservant le contenu . Ce jeu de données se compose d'un ensemble d'entraînement et d'un ensemble de test. L'ensemble d'entraînement contient 11 996 clips de 49 images et 6 005 clips de 81 images, tandis que l'ensemble de test contient 141 clips couvrant deux types de tâches de montage : le remplacement d'arrière-plan et l'ajout d'objets, impliquant à la fois le compositing et des scènes réelles. Les données de l'ensemble d'entraînement proviennent de Pexels, Mixkit et VideoMatte240K, tandis que l'ensemble de test inclut également des séquences de DAVIS et VACEBench.

Composition de l'ensemble de données :

• 49 images de l'ensemble d'entraînement : chaque image dure 3 secondes et contient 914 images realistic-set1-bg-change, 470 images realistic-set1-obj-add, 770 images realistic-set2-obj-add, 4 994 images synthetic-bg-change et 4 848 images synthetic-obj-add.
• 81 images de l'ensemble d'entraînement : chaque image dure 5 secondes et contient 457 images realistic-set1-bg-change, 235 images realistic-set1-obj-add, 385 images realistic-set2-obj-add, 2 497 images synthetic-bg-change et 2 431 images synthetic-obj-add.
• Extrait du jeu de test : Contient 69 instructions bg-change et 72 instructions obj-add.

Citation

@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}
}