利用视频基础模型的多时间尺度先验，统一处理不同条件到目标的视觉变换。
推荐理由：核心不是固定条件帧与目标帧的位置，而是按任务匹配视频模型不同时间尺度的变换先验；这为单模型统一多类图像编辑提供新路径。
阅读原文