本文介绍了一种新的方法，通过预训练的图像到视频模型，将图像编辑工具应用于视频中。该方法可以处理全局编辑、局部编辑和适度形状变化，并通过细粒度的注意力匹配实现精确调整。实验结果表明，该框架在细粒度视频编辑方面表现出色，并能产生高质量、时间上连续的输出。