Ditto-1M은 홍콩과학기술대학교, 앤트 그룹, 저장대학교 및 기타 기관에서 2025년에 발표한 명령 기반 비디오 편집 데이터셋입니다. 관련 논문 결과는 다음과 같습니다.고품질 합성 데이터 세트를 사용한 스케일링 지침 기반 비디오 편집"는 자연어 명령어를 기반으로 한 비디오 편집 모델 개발을 촉진하고, 대규모 고품질 합성 샘플을 통해 모델의 복잡한 명령어 이해도와 비디오 생성 정확도를 개선하는 것을 목표로 합니다. 이 데이터세트는 약 1,000,000개의 고화질 비디오 편집 트리플을 포함하고 있으며, 각 트리플은 원본 비디오, 편집 지침, 그리고 편집된 비디오로 구성됩니다. 각 비디오는 평균 101개의 프레임과 1,280×720 해상도를 갖습니다. 편집 작업은 세 가지 범주로 나뉩니다.

• 글로벌 스타일 전환: 예술적 스타일 변경, 색상 등급, 시각 효과 등을 포함합니다.
• 글로벌 자유형 편집: 복잡한 장면 수정, 환경 변화, 창의적인 변형 등을 포함합니다.
• 로컬 편집: 정확한 객체 수정, 속성 변경, 로컬 조정 등이 포함됩니다.

  

소환

@inproceedings{bai2026scaling,
title={Scaling instruction-based video editing with a high-quality synthetic dataset},
author={Bai, Qingyan and Wang, Qiuyu and Ouyang, Hao and Yu, Yue and Wang, Hanlin and Wang, Wen and Cheng, Ka Leong and Ma, Shuailei and Zeng, Yanhong and Liu, Zichen and Xu, Yinghao and Shen, Yujun and Chen, Qifeng},
booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition},
year={2026}
}