OmniXRef：用于多模态多参考视频编辑的统一框架

基于摘要分析。该研究面向视频编辑中组合文本指令、图像参考与视频参考来表达创作意图的问题，提出 OmniXRef，以可变数量的多模态参考控制源视频的不同属性。贡献包括统一编辑模型 OmniXRef-Model、合成训练数据 OmniXRef-Data，以及面向视频参考属性迁移的评估基准 OmniXRef-Bench。 机制上，作者设计了带 reference-bank 接口的统一输入形式，并引入 R²-RoPE，以支持向更多参考数量泛化。OmniXRef-Model 使用单流扩散 Transformer，将源视频与来自 MLLM 的多模态上下文组织为交错序列并联合处理。摘要未展开 R²-RoPE 的具体定义、位置编码规则及参考数量泛化的测试范围，相关机制细节尚未验证。 为应对视频参考编辑训练数据稀缺，作者针对不同编辑任务与参考组合构建合成数据流程，并采用课程学习逐步提高任务复杂度与分辨率。OmniXRef-Bench 覆盖 Camera、Motion、Content、Style 与 Visual Effects（VFX）属性迁移，用于系统评估视频作为控制模态的能力。 作者报告，OmniXRef-Model 在综合评估中优于任务专用基线和商业模型；摘要未提供具体指标、分数、数据划分及对照配置，因此无法量化优势或判断其适用边界。实验协议、消融及统计信息尚未验证，数据规模、模型权重、代码与复现条件也尚未验证。本文的主要研究对象是多参考视频编辑，不是神经信号建模；现有材料未建立其与 EEG/BCI 瓶颈的具体对应关系，不据此推断 BCI 有效性。已有 EEG 相关工作尚未检索确认。