Generative Omnimatte – 谷歌联合马里兰大学等机构推出的视频分解技术-爱论文

Generative Omnimatte是什么

Generative Omnimatte 是 Google DeepMind 等机构推出的视频编辑技术，能将视频智能分解为多个透明背景的RGBA图层，每个图层对应一个物体及其相关效果（如阴影、反射等）。无需绿幕或深度信息，能实现物体与背景的精确分离，处理被遮挡的部分。Generative Omnimatte的核心是一个名为“Casper”的视频扩散模型，能精准擦除视频中的物体及其阴影，同时保持背景完好无损。用户能轻松实现各种创意效果，如瞬移、改变运动速度，甚至让时间倒流。

Generative Omnimatte的主要功能

视频分层：将视频分解成多个 RGBA 层，每个层包含一个完全可见的对象及其相关的效应，如阴影和反射。视频编辑：支持用户进行广泛的视频编辑操作，包括对象和效应的移除、背景替换等。动态背景处理：处理动态背景，避免背景元素与前景对象层的纠缠。多对象场景：有效处理包含多个对象的场景，包括相似对象的隔离和效应关联。用户指定的 Trimask：支持用户用指定 Trimask 精细控制视频编辑过程中的保留和移除区域。

Generative Omnimatte的技术原理

对象效应移除模型 Casper：给定输入视频和二进制对象掩码，用 Casper 模型生成干净的背景板和一系列单对象（solo）视频，应用不同的 Trimask 条件。Trimask 条件：Trimask 指定保留（白色）、移除（黑色）和可能包含不确定对象效应（灰色）的区域。有助于精确处理多对象场景。测试时优化：在第二阶段，用测试时优化从 solo 视频和背景视频对中重建 Omnimatte 层。训练数据：用多个数据集（Omnimatte、Tripod、Kubric 和 Object-Paste）训练模型，提供真实视频的因果关系示例，并增强模型处理多对象场景的能力。自注意力分析：基于分析 Lumiere 模型的自注意力模式，研究文本到视频（T2V）模型对对象效应关联的内在理解，训练有效的对象效应移除模型。

Generative Omnimatte的项目地址

项目官网：https://gen-omnimatte.github.io/arXiv技术论文：https://arxiv.org/pdf/2411.16683

Generative Omnimatte的应用场景

电影和视频制作：在电影制作中，移除不需要的背景元素，或者替换背景，实现特效场景的无缝合成。视频编辑和后期制作：视频编辑者分离视频中的对象和背景，进行颜色校正、特效添加或其他创意编辑。广告制作：在广告中，替换产品背景，或移除拍摄中的干扰元素，突出产品。虚拟现实和增强现实：在 VR 和 AR 应用中，将现实世界的视频内容与虚拟元素结合，提供更加沉浸式的体验。游戏开发：在游戏制作中，创建复杂的游戏环境，将现实世界的元素与虚拟游戏世界无缝融合。