AI 隐身术，能让物体在视频中消失的魔法。

 关注“脚本之家”，与百万开发者在一起

来源 | Jack Cui

1

前言

刚刚过去的 2020 年 ECCV，有一项 AI“隐身”技术引人瞩目。

正在坐秋千的小孩，突然只剩下秋千架。

让漫步的行人消失，让奔驰的汽车消失。

这么好玩的 AI 算法，你想学吗？

老规矩，今天，继续手把手教学。

算法原理、环境搭建、效果实现，一条龙服务，尽在下文！

2

FGVC

FGVC 的作者是一位 90 后北京小伙，目前在弗吉尼亚理工大学计算机工程专业就读博士三年级，师从华人教授 Jia-Bin Huang。

FGVC 算法本质上是一个基于光流法的视频修复算法。

光流法是视域中物体运动检测的概念，其用于描述运动所造成的观测目标、表面或边缘的运动，主要应用于计算机视觉和影像处理等。

使用光流法，可寻到不同帧之间的关系，并通过在不同帧之间传播信息来补全视频。

FGVC 主要包含三个步骤：Flow completion、Temporal propagation、Fusion。

Flow completion：具体操作时，要计算相邻帧之间的正向光流和反向光流、以及一组非相邻帧 (Non-local) 的正向光流和反向光流。

Temporal propagation：按照光流的轨迹，为每个丢失的像素找到一组候选像素，对于每个候选帧，都要估计一个置信分数以及一个二进制有效性指标。

Fusion：使用置信加权平均值，将每个缺失像素的候选像素与至少一个有效候选像素融合。对于没有候选像素，则使用一个关键帧，并使用单个图像补全技术来填充它。

更具体的原理，比如边缘引导的光流补充等，可以去「啃下」论文，学习一下。

Paper 地址：

https://arxiv.org/abs/2009.01835

3

环境配置

想要测试算法效果，先要部署下开发环境。

Github 开源项目地址：

https://github.com/vt-vl-lab/FGVC

Github 下载慢的，可以下载我已经打包的代码（提取码：4lgs）：

https://pan.baidu.com/s/1rh1I2B4ssjiNdydUc_DflA

这里推荐使用 Anaconda 完成部署，不知道 conda 用法的，可以看下我写过的另一篇基础教程：

FGVC 算法依赖于另外两个算法 DeepFill 和 RAFT。

所以，可以创建两个虚拟环境 FGVC 和 raft。

FGVC 环境使用 PyTorch 0.4.0，并配置算法 DeepFill 的环境。

DeepFill 环境配置方法：

https://github.com/nbei/Deep-Flow-Guided-Video-Inpainting#install--requirements

直接使用指令安装依赖库：

pip install -r requirements.txt

raft 环境使用 PyTorch 1.6.0，并配置算法 RAFT 的环境。

RAFT 环境配置方法：

https://github.com/princeton-vl/RAFT#requirements

这里比较简单，使用 conda 安装需要的库即可。

都配置完毕，就可以测试算法效果了！

4

效果测试
先激活 raft 虚拟环境，直到运行结果出现提示：
「Please switch to Pytorch 0.4.0」
然后切换到 FGVC 虚拟环境，然后再运行一次代码。
Object removal：

cd toolpython video_completion.py \ --mode object_removal \ --path ../data/tennis \ --path_mask ../data/tennis_mask \ --outroot ../result/tennis_removal \ --seamless
FOV extrapolation：

cd toolpython video_completion.py \ --mode video_extrapolation \ --path ../data/tennis \ --outroot ../result/tennis_extrapolation \ --H_scale 2 \ --W_scale 2 \ --seamless
想要计算速度更快些，可以去掉 seamless 参数。
算法需要 rgb 图片和 mask 图片，这些数据是已知的，想要去除什么物体，给个物体的 mask 即可。

运行效果示意图：

推荐阅读：

每日打卡赢积分兑换书籍入口

👇🏻👇🏻👇🏻