Институтът за компютърни науки, изкуствен интелект и технологии (INSAIT) към Софийския университет „Св. Климент Охридски“ разработи съвместно с Netflix нов модел с изкуствен интелект, наречен VOID. Той позволява премахване на обекти от видео и едновременно с това реконструира сцената по реалистичен начин.
За разлика от стандартните инструменти, които просто запълват празните пространства, VOID отчита взаимодействията между обектите.
Например, ако човек бъде премахнат от кадъра, моделът пресъздава естественото движение на предметите, които той е държал, така че сцената да изглежда като заснета без негово присъствие.
Технологията може да даде по-голяма свобода на създателите на видео съдържание и да намали значително разходите, свързани с повторно заснемане на сцени.
VOID стъпва върху модела CogVideoX и използва специален подход, наречен quadmask, който разделя обектите, зоните на взаимодействие и фона в кадъра. Това позволява запазване на логиката и динамиката на изображението без видими изкривявания.
Поради липсата на достатъчно реални данни моделът е обучаван със симулирани сцени, създадени чрез Blender. Така системата се учи да предсказва как се променя средата, когато даден обект бъде премахнат.
В сравнение със съществуващите решения VOID предлага по-висока визуална последователност и по-реалистично поведение на обектите. Освен това моделът е с отворен код, което позволява на изследователи и разработчици по целия свят да го използват и усъвършенстват.
