VOID 解释：Netflix 视频对象和交互删除以实现隐私、匿名化和背景删除 |背景模糊

当编辑谈论“从剪辑中删除某些内容”时，他们通常指的是修复：隐藏对象并填充合理的像素。 VOID（视频对象和交互删除）——来自 Netflix 附属研究人员和合作者——将其扩展到仅靠像素还不够的情况：如果删除的对象推动、阻挡或偏转其他东西，则整个时间线可能需要更改（项目站点）。

PH1

对于 BGBlur 润色采访、产品镜头或社交剪辑的读者来说，VOID 很好地概述了学术视频 ML 的发展方向：反事实视频 尊重简单的物理，而不仅仅是纹理。

演示：我们附加到本文的 VOID 风格剪辑

下面的 MP4 是您提供的 GitHub 用户附件，在本网站上以 PH0 形式提供，因此播放保持可靠（签名的 GitHub URL 过期）。与交互感知移除相比，这是对无污点运动的良好健全性检查。

根据 VOID 网站和论文 (arXiv:2604.02296)：

用户选择突出显示要删除的对象。
**视觉语言模型（VLM）**估计哪些其他区域受到“因果性”影响（应该掉落、弹跳或改变路线的物体）。
该指导针对 视频扩散 主干进行编码，描述为在整个堆栈中使用 CogVideoX-5B 和 SAM 2。 4.如果第一次合成变形对象，可选的细化过程会使用流扭曲噪声——作者将这种失败模式与较小的视频扩散模型联系起来。

训练依赖于合成/运动丰富的配对数据（包括 Kubric 和 HUMOTO，如其页面上所总结的），因此网络会看到“删除对象 A”真正意味着“改变整个交互”的示例。

VOID 在视频对象去除方面处于领先地位；在他们的材料上，您将看到比较，其中包括来自文献中的 Runway 级和 ProPainter 相关参考文献。将它们用作论文级指导：它们反映了特定的数据集和指标，而不是每个现实世界的摘要。

在不同的工具中，创作者仍然判断相同的事情：时间一致性、缺乏拖尾以及背景运动是否看起来是有意的。

BgRemover.video 的 BgRemover (BGB) 已经提供了一种干净的、伪像感知的视频对象和背景去除团队今天发布的——基线 VOID 建立在更困难的物理情况之上。

我们的路线图：将 VOID 视为交互感知屏蔽和训练信号的蓝图，一旦它们足够强大以适应生产 SLA，我们就可以将其合并到 BGB 中。 BGBlur 始终专注于电影背景模糊和隐私风格效果，而 BGB 仍然是删除的家 - 因此通过您已使用的同一产品系列进行集成工作渠道。

###“互动删除”是什么意思？

删除一个对象并更新其他对象在物理耦合到该对象时的移动方式——根据 void-model.github.io 上 VOID 的框架。

今天的公共制品是研究级的；像 BgRemover 这样的生产工具现在继续提供实用的删除路径。

Saman Motamed、William Harvey、Benjamin Klein、Luc Van Gool、Zhuoning Yuan、Ta-Ying Cheng，VOID：视频对象和交互删除，2026。https://arxiv.org/abs/2604.02296