Netflix udostępnia VOID: sztuczna inteligencja, która usuwa obiekty wraz z ich fizyką

Inżynieria znikania: więcej niż retusz

Netflix, we współpracy z badaczami z INSAIT oraz Uniwersytetu w Sofii, zaprezentował VOID (Video Object and Interaction Deletion) – framework AI, który przesuwa granice cyfrowej edycji obrazu. Podczas gdy tradycyjne metody inpaintingu skupiały się na estetycznym łataniu dziur w kadrze, VOID idzie o krok dalej. System potrafi wyeliminować skutki fizyczne obecności usuniętego obiektu, takie jak kolizje czy odkształcenia, które bez ingerencji algorytmu wydawałyby się nienaturalne dla widza.

Skomplikowana architektura sukcesu

Efektywność narzędzia wynika z połączenia kilku czołowych technologii. Fundamentem VOID jest model dyfuzyjny CogVideoX od Alibaby, który został poddany rygorystycznemu procesowi dostrajania przy użyciu syntetycznych danych z Google Kubric oraz Adobe HUMOTO. Proces edycji jest wieloetapowy: Gemini 3 Pro od Google analizuje scenę w poszukiwaniu śladów interakcji, natomiast model SAM2 od Mety odpowiada za precyzyjną segmentację obiektów.

Co istotne, Netflix pomyślał o problemie zniekształceń, które często trapią generatywne wideo. Dzięki opcjonalnemu wykorzystaniu przepływu optycznego (optical flow) w drugim przebiegu, system jest w stanie skorygować deformacje kształtów, zapewniając płynność i spójność wizualną nawet w dynamicznych ujęciach.

Przemysłowe zastosowania i otwarty kod

To nie jest tylko pokaz możliwości działu Badania i Rozwoju. Projekt został udostępniony na licencji Apache 2.0, co otwiera drogę do komercyjnego wykorzystania silnika przez niezależne studia filmowe i twórców gier. Całość dokumentacji wraz z kodem źródłowym trafiła już do serwisów GitHub, arXiv i Hugging Face. Decyzja o udostępnieniu VOID jako open-source sugeruje, że Netflix chce pobudzić innowacje w obszarze postprodukcji opartej na danych, zamiast zamykać technologię wewnątrz własnego ekosystemu produkcyjnego.