본 논문은 대규모 영상 편집 데이터셋 VIVID-10M과 이를 기반으로 한 상호작용형 영상 편집 모델 VIVID를 제시합니다. 기존 영상 편집 모델의 한계인 데이터셋 구축의 어려움과 높은 훈련 비용, 제한적인 상호작용성을 해결하기 위해, 970만 개의 다양한 영상 편집 작업 사례를 포함하는 VIVID-10M 데이터셋을 구축하고, 키프레임 기반의 상호작용적 편집 메커니즘을 활용한 VIVID 모델을 개발했습니다. VIVID는 객체 추가, 수정, 삭제를 지원하며, 사용자가 키프레임을 반복적으로 편집하고 다른 프레임으로 전파하여 효율적인 편집을 가능하게 합니다. 실험 결과, VIVID는 기존 방법보다 우수한 성능을 보였습니다. VIVID-10M 데이터셋은 공개되어 있습니다.