今天小編分享的科學經驗：跑男後期狂喜：編輯一幀，整個視頻跟着變！比LNA渲染快5倍，Adobe聯合出品，歡迎閱讀。
前不久跑男為了讓 "kunkun" 原地消失，後期只能一幀一幀的摳圖。
現在，只要編輯一幀，整個視頻就跟着變！
就是點點 kunkun，整集就自動消失的那種（手動狗頭）。
Adobe Research 和英屬哥倫比亞大學的研究人員發現，使用INVE（互動式神經視頻編輯），只需在單幀上 " 畫筆塗鴉 "，就能自動應用改動到整個視頻中。
不僅可以編輯視頻中的對象并保留空間和光影關系，甚至可以編輯移動對象的紋理色彩。
網友驚呼：太牛了！
互動式神經視頻編輯
INVE（Interactive Neural Video Editing）是一種實時視頻編輯解決方案。
研究團隊受到分層神經圖集（LNA）的研究啟發。測試發現，通過使用 INVE，可以将稀疏幀編輯一致地傳播到整個視頻剪輯，輔助視頻編輯過程。
視頻中的場景通常由非靜态背景和一個或多個前景物體組成，運動軌迹也會不同。
早期的 2D 方法需要獨立編輯每一幀，并使用幀間跟蹤來協調整個視頻。
假如我們要把這個小狗頭像放在車門上，按照傳統方式，視頻中車是往前移動的，為避免不出現溢出效果，就需要一幀一幀訓練和測試反復編輯。
這種方式費時費力不說，還容易導致明顯的視覺偽影。
而最近發展起來的分層神經圖集（LNA）方法，可以通過一組分層神經網絡 2D 圖集對單個訓練和測試，達到編輯整個視頻的效果。
雖避免了逐幀編輯，但也有一些問題，比如處理速度較慢、對某些編輯用例支持不足。
因此，研究團隊基于 LNA 方法，通過學習影像圖集和影像之間的雙向函數映射，并引入矢量化編輯，使得在圖集和影像中一致編輯成為可能。
同時，采用多分辨率哈希編碼來改善模型的收斂速度。
如何實現
研究團隊基于光流提取算法 RAFT，在包含 70 幀且分辨率為 768 × 432 的視頻上訓練和測試模型。
首先，團隊在每個訓練批次中随機采樣了 10,000 個視頻像素，然後設定了一個模型參數值。
通過将 GPU 優化的 Fully Fused MLP 架構引入，僅迭代大約 12,000 個次數就完成訓練，相比于 LNA 的 300,000 個迭代次數要少得多。
測試顯示該方法在單個 NVIDIA RTX 4090 GPU 上的渲染速度為 24.81 FPS，對比 LNA 的渲染速度 5.34 FPS，渲染速度快了近 5 倍。
經過相同數量的迭代訓練，團隊模型的重建、流場損失都比 LNA 更快地收斂。
此外，為實現點跟蹤，團隊選擇逆映射的方法，允許添加跟蹤單個 / 少數點的剛性紋理。
團隊提出 " 矢量化素描技術 "，将多邊形鏈直接映射到圖集中，更精确地控制線條，從而減少計算成本并避免有視覺偽影。
再通過分層編輯，允許在圖集之上疊加多個可編輯圖層，使每個圖層都可獨立訪問和編輯。
分層編輯支持多種類型的編輯，包括畫筆塗鴉、局部調整、紋理編輯。
比如畫筆塗鴉，就可以直接使用畫筆工具草圖塗鴉。
比如紋理編輯，可以導入外部圖形，跟蹤和變形的運動對象。
研究團隊
作者團隊由來自 Adobe Research、英屬哥倫比亞大學、AI Vector 研究所和 CIFAR AI 組成。
第一作者是 Jiahui Huang，目前是 Adobe Research 的研究工程師，碩士畢業于英屬哥倫比亞大學。
其他作者包括 Kwang Moo Yi、Oliver Wang 和 Joon Young Lee，整個團隊研究方向主要也是在計算機視覺、機器學習和視頻編輯領網域。
論文傳送門 ：
https://arxiv.org /abs/2307.07663
參考鏈接：
[ 1 ] https://twitter.com/_akhaliq/status/1681162394393886720/
[ 2 ] https://gabriel-huang.github.io/inve/
