本文介绍了一种名为Ground-A-Video的多属性视频编辑框架，利用跨帧门控注意力和光流引导技术，实现无需训练的时间一致性编辑，效果优于其他方法。同时，提出了一种基于文本到图像扩散模型的算法，通过选择性编辑源图像生成目标图像，提高了图像翻译的准确性。