澎湃新闻采访人员 张唯
文章插图
天空中翱翔的海鸥凭空消失 , 沙漠中的背包客在行走中人间蒸发……这些原本需要电影制作人员完成的视频特效又一次被人工智能“学会了” 。
近期 , 一项收录于欧洲计算机视觉国际会议(ECCV)的研究开发了一种人工智能视频处理算法 , 可以在视频画面里抹除运动中的物体 , 同时保持运动边界的清晰度 。
这项研究题为《光流 - 边缘引导的视频补全》(Flow-edge Guided Video Completion) , 由美国弗吉尼亚理工大学和Facebook合作完成 , 第一作者是美国弗吉尼亚理工大学计算机工程专业的博士生高谌 。
高谌目前师从弗吉尼亚理工大学助理教授Jia-Bin Huang , 研究领域是计算摄影和计算机视觉 , 研究集中在图像/视频操作和视觉场景理解 。
文章插图
正在骑马的运动员和马匹一起消失
在高湛及其同事展示的研究成果画面中 , 各类运动中的物体 , 如摆动中的秋千、正在骑马的运动员、海上行驶的帆船等 , 通通在视频里“无痕”消失 , 肉眼看不出人为的编辑痕迹 。
这项研究的另一位作者Jia-Bin Huang在社交媒体中透露 , 该算法可以在随意拍摄的视频中无缝地移除对象、水印或扩大画面视野 。 这一算法还得到图灵奖得主、人工智能科学家Yann LeCun 的推荐 。
文章插图
高湛等人在论文中介绍 , 这是一种基于光流的视频补全算法 。 视频补全(video completion)任务是用新合成的内容填充给定的时空区域 。 它有许多应用 , 例如修复(去除划痕)、视频编辑、特效工作流(去除不需要的对象)、去水印和标志以及视频稳定 。
对于视频补全任务而言 , 难点是新生成的内容需要无缝地嵌入到视频中 , 并且更改应尽可能不被察觉 。 几年前 , 业界通用的方法是基于补丁的合成技术 。 但这些方法通常合成速度慢 , 合成新内容的能力有限 , 只能重新混合视频中已有的补丁 。
后来出现了基于学习的技术 , 能够实现更合理的合成效果 , 但是由于视频的高内存要求 , 存在分辨率问题 。
文章插图
喷泉旁旋转舞蹈的少女在起跳后消失
作者认为 , 目前最成功的视频补全方法是基于光流的技术 , 其能够合成色彩和光流 , 沿着光流的轨迹传递颜色 , 以提升视频的时间连贯性 , 从而减轻内存问题并实现高分辨率输出 。
这项新研究也采用了基于光流的办法 。 作者表示 , 以往的光流补全方法往往无法保持运动边界的清晰度 , 而他们所开发的方法首先提取并补全运动物体的边缘 , 再以光流边缘为引导补全光流 。 由于并非所有视频中缺失的区域都能通过这种方法补全 , 研究人员引入了非局部光流 , 使得视频内容能够在运动边界上传播 。
【视频|这款人工智能“橡皮擦”能把视频里的你抹掉了,效果丝滑】作者称 , 可视化和定量结果都表明 , 他们的方法与最新的算法相比具有更好的性能 。 他们同时指出 , 其方法的运行速度为0.12fps(Frames Per Second , 每秒传输帧数) , 与其他基于光流的方法相当 , 运行速度稍慢是一大弱点 。
责任编辑:李跃群
校对:张亮亮
- Dubai视频通话
- 初入职场的95后 为何钟爱这款笔记本?
- 和95%的便携音乐播放器都不一样?Cayin这款新品值得说说
- 看了PS5的拆机视频,下世代主机最重要的配件可能是空调
- 看了老罗直播,我买了这款网易严选工学椅,体验一周说说感受
- 出门问问荣获“吴文俊人工智能科技进步奖”
- 人工智能驱动的零接触网络在5G世界中的作用
- 趋势(六):人工智能和机器人将成为法律系统的主要进入点
- 李彦宏首提人工智能的“乐高模式”,AI企业迎来黄金时代
- 旧硬盘的新家,这款硬盘盒让它秒变移动硬盘