澎湃新闻记者 张唯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。
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。
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