目前， 模型、代码均已开源，4 步编辑一条视频，训练数据 VideoCoF-50k 预计本周内开源！ 本文第一作者是 UTS 博士生杨向鹏，主要研究方向是视频生成和世界模型；第二作者是谢集，浙江大学的四年级本科生，主要研究方向统一多模态大模型和视频 生成。通讯作者是吴强教授，主要研究方向为计算机视觉和模式识别。 现有的视频编辑模型往往面临「鱼与熊掌不可兼得」的困境：专家模型精度高但依赖 Mask，通用模型虽免 Mask 但定位不准。 来自悉尼科技大学和浙江大学的研 究团队提出了一种全新的视频编辑框架 VideoCoF， 受 LLM「思维链」启发，通过「看 - 推理 - 编辑」的流程，仅需 50k 训练数据，就在多项任务上取得了 SOTA 效果，并完美支持长视频外推！ 痛点：精度与通用的「两难困境」 在 AIGC 时代，视频编辑已经有了长足进步，但仍存在一个明显的痛点： 论文链接： https://arxiv.org/abs/2512.07469 项目主页： https://videocof.github.io/ 代码 / 模型： https://github.com/knightyxp/VideoCoF De ...