音视频联合与跨模态生成及编辑：统一形式化与设计分类法综述

一篇音视频生成与编辑综述提出统一形式化框架，把联合生成、跨模态生成与联合编辑定义为同一音视频对分布上的三类问题，并沿五个设计维度建立方法分类。作者称这是首个系统梳理联合音视频编辑的综述，将其映射为 9 个编辑类别、覆盖 28 种编辑类型，同时整理了各场景的方法、数据集与指标。文章最后给出其认为最关键的开放问题。