Что просят, когда говорят «удалить объект с видео»
Просьбы однотипные: убрать микрофон из кадра, убрать чужой логотип с футболки, убрать машину, которая проехала за спиной, убрать второго человека на фоне. Запрос «убрать объект с видео ИИ» на деле означает именно это. В вертикальной рекламе такие правки идут пачками, потому что кадр живёт секунды и лишняя деталь в нём сбивает взгляд. Формально задача называется object removal или inpainting: модель дорисовывает фон на месте предмета, опираясь на соседние кадры.
Дальше начинается разница между «вырезать» и «убрать». Вырезать просто: маска, прозрачность, готово. Убрать означает, что на месте объекта появится правдоподобная стена, асфальт или небо, и это должно выглядеть одинаково в начале сцены и в конце.
Почему заплатка мерцает
Если чистить ролик покадрово, как набор фотографий, фон в дыре начинает жить своей жизнью. Текстура прыгает, граница дышит, на движении появляется ритм, который глаз ловит сразу, даже когда зритель не понимает причину. Отсюда главное требование к инструменту: temporal consistency, согласованность во времени. Модель должна помнить предыдущий кадр и продолжать ту же стену, не начиная заново.
Поэтому удаление объекта с видео сложнее удаления объекта с фото. Один кадр можно довести вручную за десять минут, а минута движения требует другого подхода.
Порядок работы: как убрать объект с видео нейросетью
Порядок у меня один, и он спасает от половины переделок.
Первое: стабилизировать клип. Тряска и микро-дрожание камеры сбивают трекинг, маска уезжает с объекта. Стабилизация в DaVinci или Premiere занимает пару минут и упрощает всё, что идёт дальше.
Второе: разметить маску. На ключевых кадрах объект обводят вручную, потом трекер ведёт маску сам. Хороший трекер держит предмет, пока тот не уйдёт за край или не пересечётся с другим.
Третье: прогнать video inpainting или собрать clean plate. Первый путь отдаёт работу модели, второй берёт чистый фрагмент фона из другого кадра сцены. Clean plate надёжнее на статичных планах, inpainting быстрее на движении.
Четвёртое: проверить края на 100% zoom. Не на вписанном в окно просмотре. В полном масштабе, покадрово, в местах, где объект двигался.
Пятое: добить руками. Остатки контура, дрожащая линия, повтор текстуры лечатся клонированием и мягкой маской в Premiere или Fusion.
Маска и трекинг: где модель теряет объект
Слабые места предсказуемы. Объект выходит за границу кадра, проходит за другим предметом, меняет форму. Маска в таких местах сползает, и модель дорисовывает фон поверх части героя.
Второе слабое место это полупрозрачные края. Волосы, стекло, дым, отражение в витрине. Модель видит там смесь двух текстур и выбирает одну, поэтому на волосах появляется плоское пятно.
Третье это свет. Если в кадре меняется освещение, дыра начинает отличаться по яркости, и заплатка читается как заплатка.
Проверка: что смотреть на готовом файле
Смотреть надо в четырёх режимах. Пауза на первом кадре удаления, пауза на последнем, движение в реальном времени и тот же фрагмент на телефоне. Телефон важен отдельно: сжатие в соцсетях съедает мягкие переходы и подчёркивает резкие границы.
Ещё одна привычка: сравнить готовый фрагмент с оригиналом, переключая слои. Глаз быстро привыкает к заплатке и перестаёт её видеть.
Инструменты: три класса, без рейтинга
Класс первый это облачные редакторы с функцией удаления, сюда попадает Runway с инструментами редактирования уровня Aleph. Класс второй это локальные пайплайны на ComfyUI с inpaint-нодами, где всё считается на своей машине. Класс третий это видео-инструменты Adobe Firefly.
Выбирать стоит по типу материала. Для серии вертикальных роликов удобнее облако: загрузка, маска, рендер. Для длинных проектов с приватным материалом логичнее локальный пайплайн, зато он требует видеокарты и времени на настройку. Ни один из классов не обещает идеального удаления человека на сложном фоне, и клиенту это лучше сказать заранее.
Где такой пакет правок окупается
Простой фон это стена, асфальт, небо, ровный свет. Здесь нейросеть экономит часы ротоскопинга, и разница видна на смете.
Сложный фон это листва, толпа, витрина с отражениями. Там экономия заканчивается и начинается работа оператора.
Для рекламы удаление логично встроить в пакет правок: вертикальная реклама собирается серией версий, и в каждой нужно убрать свой логотип или второго человека. Пакет правок встраивается в ручные ролики от 16 000 ₽, и там за кадр отвечает человек. Когда задача обратная и нужно добавить отличие между версиями, работает уникализация: тот же материал получает другой кроп, темп и графику. Если убрать надо надпись вместо предмета, у нас есть отдельный разбор, как убрать текст с видео нейросетью.
Мой вывод
Нейросеть здесь хороший исполнитель и плохой автор. Она закрывает дыру на простом фоне за минуты, а на волосах, стекле и меняющемся свете требует контроля.
Мой порядок для нового проекта: тест на десяти секундах проблемного плана, потом решение про весь клип. Если тест дал мерцание, дальше идут clean plate и ручная добивка, потому что повторный прогон того же инструмента даст то же мерцание.
И последнее. Удаление объекта это услуга, которую легко продать как магию и легко потерять клиента на мерцающей заплатке. Показать заказчику тестовый фрагмент до основной работы дешевле, чем переделывать серию.
