HOMIE : HKUST publie un framework unifié pour la personnalisation vidéo humain-objet

HKUST met en ligne HOMIE le 21 juillet, un cadre de « Human-Object Centric Video Personalization » construit sur Wan2.1 et Wan2.2 14B avec injection MLLM (Qwen3-VL-2B-Thinking) via Global Multimodal Guidance et Modality-Reference Embedding. Sur 200 combinaisons humain-objet, HOMIE affiche 0,431 en précision OCR contre 0,326 pour SkyReels-V3 et remporte une étude utilisateur à 40 participants, pour 11 000 GPU-heures A100.