본 논문에서는 비디오 복원을 목표로 하는 비디오 인페인팅 분야의 한계점을 해결하기 위해 새로운 이중 스트림 패러다임인 VideoPainter를 제안합니다. VideoPainter는 효율적인 context encoder를 사용하여 마스크된 비디오를 처리하고, 사전 훈련된 비디오 DiT에 배경 맥락 정보를 주입하여 의미적으로 일관된 콘텐츠를 생성합니다. 이를 통해 모델의 학습 복잡성을 줄이고 배경 맥락을 효과적으로 통합합니다. 또한, 임의 길이의 비디오 인페인팅을 가능하게 하는 새로운 target region ID resampling 기법을 도입하고, 대규모 비디오 인페인팅 데이터셋 및 벤치마크인 VPData와 VPBench를 공개합니다. 마지막으로, 비디오 편집 및 비디오 편집 쌍 데이터 생성과 같은 다운스트림 애플리케이션에 대한 실험 결과를 통해 VideoPainter의 우수한 성능을 보여줍니다.
