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。

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。

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。

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。

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。