视频编辑领域长期面临一个核心难题：如何在保持原始运动轨迹的前提下，实现任意物体的灵活替换。传统方案要么依赖光流估计，要么采用注意力图机制，但这些方法在面对大幅度形状变化时往往顾此失彼——要么时间一致性...