연구진은 기존 영상 편집 방법의 한계를 극복하기 위해 noise-to-data 관점에서 StreamGVE라는 새로운 방법론을 제안했어요. StreamGVE는 기존 데이터-데이터 패러다임의 한계를 극복하고, 사전 훈련된 스트리밍 생성 모델을 기반으로 영상 편집을 수행해요.
dual-branch 빠른 샘플링과 self-attention 브리지, cross-attention 가이드를 통해 샘플링과 조건부 요구 사항을 충족하며, 소스 기반 가이던스를 통해 생성 품질을 향상시켰어요.
다양한 영상 편집 작업에서 기존 방법보다 우수한 성능을 보였으며, 특히 몇 단계 설정에서 시간 비용을 최소화하는 효과를 입증했어요.