StreamV2V es un modelo de difusión que permite la traducción de vídeo a vídeo (V2V) en tiempo real a través de indicaciones del usuario. A diferencia de los métodos tradicionales por lotes, StreamV2V utiliza un procesamiento en flujo que puede manejar un número ilimitado de fotogramas de vídeo. Su núcleo radica en mantener una base de datos de características que almacena información de fotogramas anteriores. Para los fotogramas entrantes, StreamV2V fusiona directamente características similares del pasado en la salida mediante técnicas de autoatención extendida y fusión directa de características. La base de datos de características se actualiza continuamente mediante la combinación de características almacenadas y nuevas, manteniéndose compacta e informativa. StreamV2V destaca por su adaptabilidad y eficiencia, integrándose perfectamente con modelos de difusión de imágenes sin necesidad de reentrenamiento.