Netflix：VOID让AI学会推演视频物理因果

VOID（视频对象与交互删除）是一个创新的视频编辑框架，旨在解决从视频中移除物体时保持物理逻辑一致性的难题。传统方法往往只能处理阴影等视觉表面修复，而该研究通过高层因果推理，能够模拟物体消失后的链式反应，例如支撑物移除后物体应当下落。该系统结合了基于视觉语言模型（VLM）生成的“四色掩码”引导技术，并辅以两阶段生成策略，有效减少了动态过程中的物体形变。研究团队利用 Kubric 和 HUMOTO 仿真引擎构建了全新的反事实数据集，使模型能够学习复杂的物理规律。实验结果显示，无论是在合成数据还是真实场景中，VOID 在真实感和物理合理性方面均显著优于现有模型。这项成果为视频编辑领域提供了更强的世界建模能力，使得非专业人士也能完成高质量的视频内容修改。