🍿 Netflix Research и INSAIT Sofia University выпустили VOID — опенсорсную модель для удаления объектов из видео с открытыми кодом и весами (Apache 2.0). Ее особенность — правдоподобное редактирование: учитываются тени, отражения, освещение и физические взаимодействия, поэтому сцена «пересобирается» после удаления объекта. Технически модель основана на CogVideoX-Fun-5B и принимает видео, маску и текстовое описание целевой сцены.
Чем VOID отличается от «обычного» удаления
VOID работает не как простое «стирание» области. Модель стремится сохранить правдоподобность сцены и учитывает физические связи между объектами.
Ключевые свойства, которые подчеркиваются в описании решения:
- учет теней, отражений и освещения
- сохранение логики взаимодействий между предметами
- перестройка поведения зависимых объектов после удаления
Пример с причинно-следственной связью
Если удалить человека, который держал гитару, гитара не должна исчезнуть вместе с ним. Корректное «сценное» поведение — гитара окажется на полу. VOID ориентируется именно на такой тип результата, что заметно снижает количество визуальных «ломок» в кадре.
Техническая база и ограничения
В основе VOID — CogVideoX-Fun-5B, 3D diffusion-трансформер. Поддерживаются ролики до 197 кадров с разрешением 384×672.
На вход подаются:
- исходное видео
- четырехзначная маска области редактирования
- текстовое описание сцены после удаления
Текстовое описание фиксирует целевое состояние результата и дополняет маску: модель получает не только «что убрать», но и «каким должен стать кадр».
Практическая польза для продакшена
Удаление объектов в видео традиционно требует ручного ротоскопинга, аккуратного маскирования и композитинга. VOID сокращает долю таких операций и ускоряет итерации, что критично для рекламных роликов, продуктовых демонстраций и быстрых креативных правок. Чем меньше ручного труда уходит на «чистку», тем больше времени остается на постановку и финальную сборку.
Автоматизация как принцип в контент-процессах
Похожая логика работает и в производстве контента: ценность дает скорость, управляемость и повторяемость результата. Kineiro.ru помогает выстроить автономный контент-контур: от анализа тем и структуры до подготовки материалов и публикаций через API площадок (Telegram, ВКонтакте, Одноклассники, Яндекс Дзен и др.), поддерживая единые стандарты качества.
Вывод
VOID демонстрирует сдвиг от пиксельного редактирования к сценному: модель пытается сохранить физическую и визуальную логику, а не просто «убрать объект». Такой подход снижает стоимость постпродакшена и делает результат менее заметным для зрителя, что в итоге и является главным критерием качественной правки.