申请试用
登录
核心技术
以原创技术体系为根基,SenseCore商汤AI大装置为核心基座,布局多领域、多方向前沿研究,
快速打通AI在各个垂直场景中的应用,向行业赋能。

商研丨扣物隐身抹水印,AI让视频PS如此简单,这项登上CVPR 2019的研究开源了

2019-07-19

编者按:如今,PS修图技术变得十分普遍,但视频修复却依然是一件十分耗时耗力的事。近期,商汤及联合实验室发布了论文《Deep Flow-Guided Video Inpainting》,推出光流引导 (Flow-Guided)的视频修复算法,让视频PS触手可得。该论文入选了CVPR 2019,代码已开源。本文经AI新媒体量子位(公众号ID:QbitAI)授权转载。


让一个人的踪影从视频中消失,总是一个难题。比如综艺节目,把效果不好的局部画面删除或者让卡通人物消失。


要是有个AI,能一键把这些人物都删掉,还让观众看不出纰漏就好了。现在,一项CVPR 2019上的研究,让这个需求变成了现实。


拿美队3举个例子,机场大战中,飞舞的红色小人就是被标记出来的蜘蛛侠,他正在用蜘蛛丝把蚁人绑起来。

640.gif

现在,AI出马,蜘蛛侠不见了,留下蚁人独自被蜘蛛丝捆绑纠缠,仿佛这些蜘蛛丝拥有了自动捆绑功能。

fefe.gif

再比如,《疯狂动物城》里的兔兔朱迪,也被用红色标注了。它本来在冰面上奔跑,爬上冰山,耐不住滑溜溜的冰面,掉进了水里。

dvdvdv.gif

在AI出手之后,朱迪就免去了爬冰之苦,镜头里只有她留在冰面上的影子。原本人物的位置,被修复的非常完美,几乎看不出来曾经有只兔兔被抠了出去,就好像电影的动画团队把这个镜头重新做了一遍。

sdfvv.gif


看到这样的效果,不知道上面那两部节目的后期会不会哭晕:长期加班搞出来的效果,别人家的AI就自动完成了,而且毫无违和感,让人物消失的无影无踪。


另外,估计拍Vlog的视频主播们也会开心的不行:再也不担心网红打卡地遍地都是人了,直接用AI删掉多方便!


背后的AI,是名叫光流引导 (Flow-Guided)的视频修复算法。它主要来自香港中文大学-商汤科技联合实验室和南洋理工大学-商汤科技联合实验室,中选了CVPR 2019。目前,这项研究的代码已开源。


那么问题来了,在一片热闹的景象里,抹掉一个剧烈运动的人物,怎么会这般轻松自如?


追光者


就像开头提到的那样,隐身术是用光流 (Optical Flow) 炼成的。所谓光流,视觉上长这样:

dvdfv.gif

左边是遮挡版,右边是AI补全版

事实上,它是描述物体运动情况的一个概念,James Gibson在1950年就提出了:指的是空间运动的物体在观察平面上,像素运动的瞬时速度。观察者嘛,可以是人类的肉眼,也可以是摄像机。


在摄像机拍下的视频里,帧与帧之间是有时间顺序的,这样就可以从相邻两帧之间算出光流,那就是物体的运动信息。学到这样的信息,可以用来做目标检测,也可以用来修改视频。团队开发了一个两步的算法:


第一步,估计光流。第二步,用光流来指导修复。

ffrg.jpg

上为第一步,下为第二步


现在,把这两步拆解一下。第一步,光流估计,把视频上的某个部分挡住,AI要把这一部分的光流补充完整。比如,下图的红色就是遮挡部分。

dfggr.gif


团队设计了一个叫做DFC-Net的网络,学着把不完整的光流补充完整。而在AI的训练数据里,遮挡是随机生成的,对照完整的视频来学习:


ddvv.jpg


左边是随机遮挡;右边是遮挡之后 (用简单填充算法初始化得到) 的光流,等待补全;中间是标答。


DFC-Net有三个子网络。第一个子网络,负责在一个粗糙尺度上补全光流;把结果交给第二个子网络,细化一下。再交给第三个网络,进一步细化:

sfgfr.jpg

这样,就有了最终的光流补全结果。


第二步,就该根据光流来修复视频了。


原理是,某一帧里被遮挡的信息,在其他帧里可能是存在的。根据光流提供的运动信息,就可以用其他帧里的已知像素,来填补当前帧的未知像素了。


当然,还有一些信息,整段视频都没显示。这一部分,就要靠传统图像修复网络Deepfill来脑补了。讲完原理,来全方位观察一下,算法的功效究竟如何。


完美消失的马术选手


新的方法怎样,要和优秀的前辈比一场才知道。对手有两位,一是来自CVPR 2018的Deepfill,二是Huang et al出品、中选SIGGRAPH 2016的算法。


这是第一题,把马术选手和ta的马,从视频里面抹掉:

dvdfv.gif


Deepfill (右上) 单靠脑补,马的痕迹十分明显;Huang et al (左下) 自然了许多,但依然有些灰蒙蒙的残留;相比之下,新算法修过的视频,只留下了地上的影子。


还有第二题,把轮滑妹子面前的水印去掉:

dfvbfdb.gif

下面是Huang et al前辈的结果,当妹子跳过水印原本的位置,依然看得出不少灰色的污迹:


dvsbvb.gif


而本文主角修复的结果,几乎看不出视频曾经有过水印:


qqqxxx.gif


当然,不止是肉眼观察的结果,这只新的AI在YouTube-VOS和DAVIS两大数据集上,得分都比前辈更胜一筹:

sdvadv.jpg


另外,研究者们还找了30名吃瓜群众,仔细测试人类的观感。首先在目标移除方面,将近80%的用户认为第一名应当是这项研究 (蓝色部分) 。


aaaaa11.jpg



而在背景填充方面,也有近七成用户认为这项研究的填充效果是最好的。

aaaa.jpg

这篇论文的研究人员中,一作徐瑞和二作李晓潇来自香港中文大学-商汤科技联合实验室,三作周博磊是港中大信息工程系助理教授,MIT博士毕业。


最后一位作者吕健勤(Chen Change Loy),博士毕业于伦敦玛丽女王大学,现在是南洋理工大学计算机科学与工程学院的副教授,他同时还是港中大的客座副教授,此前也一直在港中大多媒体实验室任教。


一个彩蛋


你看,刻苦练习之后,身为一只兔子的朱迪,用优秀的弹跳能力弥补了身高劣势,反超队友:

qq3.gif


但实力还是可以隐藏的,于是她又把自己融进了雪水:


vfdrf.gif


论文:

Deep Flow-Guided Video Inpainting

Rui Xu, Xiaoxiao Li, Bolei Zhou, Chen Change Loy

https://arxiv.org/abs/1905.02884

项目主页:

https://nbei.github.io/video-inpainting.html

开源代码:

https://github.com/nbei/Deep-Flow-Guided-Video-Inpainting

dgrfg.jpg