大變活人，需要幾個步驟？

萬萬沒想到，這么經典的大型魔術，現在都能零基礎入門了。

在快手和江蘇衛視聯手打造的「一千零一夜」晚會上，迪麗熱巴就當場表演了一個。

不需要道具，不需要托兒，也不挑時間地點，她就這么在直播鏡頭里blingbling地閃現了。

并且位場的波動，完全沒有破壞背景的完整。（手動狗頭）

最關鍵的是，給你一部安裝了快手的手機，你同樣可以實現。

沒錯，這個能實時實現電影大片里隱身特效的黑科技，就是快手最近上線的AI新玩法——「隱身魔法」。這是結合單圖圖像修復和幀間圖像對齊技術的視頻修復算法，在短視頻行業中的首次應用。

不僅能「憑空出現」，對著鏡頭比個「6」，你還能當場變身透明人，跟空氣融為一體。

效果如此絲滑，難怪上線幾天時間，快手用戶就玩得飛起，迅速貢獻了77.5w個相關作品。

一時成為年度短視頻最熱特效玩法。

移動端的實時視頻修復技術

讓視頻里的人實時隱身，怎么個原理？

此前，量子位其實介紹過類似的「隱身」算法，比如弗吉尼亞大學和Facebook聯手打造的基于光流邊緣引導的視頻修復算法。

雖然有學術領域的前例，但想要把這樣的技術應用到移動端，仍然存在不小的挑戰。

最主要的問題在于計算量，視頻修復涉及到多幀計算，其深度學習模型普遍計算量較大，很難在移動端運行。

那么快手是怎么做到的？量子位照例來一一捋清楚。

其實道理很簡單，想要把畫面中的人抹掉，除了自動把人像摳出來之外，AI還得學會腦補人像遮擋住的真實背景。

這就涉及到兩方面的問題：

初始幀人像區域的背景修復

后續相機、人物運動過程中人像區域的背景填充

為了解決這兩個問題，快手的工程師們將算法整體分成了兩個階段：

首幀使用移動端腦補模型實現對人像區域的背景填充，后續幀使用幀間實時跟蹤匹配投影，實現可見背景區域向人物遮擋區域的填充。

基于DeepFill的圖像修復算法

首先來看首幀修復。具體到模型架構上，快手工程師主要基于開源的DeepFill模型，根據實際需求進行了定制化開發和優化。

DeepFill是一種基于GAN提出的圖像修復方法，修復能力是醬嬸的：

在此基礎上，快手在整個模型設計中采用coarse to refine雙階段結構。

第一階段，在小尺寸上進行初步修復，利用較少計算量的coarse網絡得到缺失區域的大概輪廓。

第二階段，將該初步結果融合到原圖在大尺寸上利用refine網絡生成缺失區域的細節。

而為了讓模型能在移動端上更好地部署運行，工程師們還采用剪枝和蒸餾方法進一步壓縮了模型結構。

在算法研發過程中，工程師還發現，缺失區域越大，圖像修復結果越不可控，使用L1損失和GAN損失無法有效的約束修復區域的結構和語義的合理性。

針對此問題，一方面采用邊界生成聯合訓練的方法，對邊界這一結構信息進行直接約束，明顯提高了大缺失區域情況下修復結果的合理性。另一方面采用多尺度預測的方式對模型中間層的特征進行了約束，有效提升了修復結果的清晰度。

在損失函數方面，在訓練中工程師采用了SSIM、Lpips感知損失、PatchGan損失和蒸餾損失，在小模型上也實現良好的圖像修復結果。

在訓練數據方面，快手工程師構建了一個包含100W背景圖和10W人像mask的通用圖像修復數據集，包含居家、辦公、建筑、風景、虛擬CG等常見環境。

并且，根據背景數據的紋理復雜度進行了分類，模型訓練過程中隨著網絡逐步收斂，逐漸加大復雜紋理數據的比例，使得模型更好地完成從簡單到復雜等多種背景的修復。

一套組合拳下來，測試的結果如下。從左到右，分別是輸入圖像、邊界預測、腦補結果和實際背景。

實時跟蹤投影匹配

而在后續幀的背景修復上，為了更好地利用已有的背景信息，需要將已經存在的背景投影到當前幀實現對人像遮擋區域的修復，即幀間圖像映射。

目前對幀間圖像映射關系的描述主要有三種方式：簡單的全局單應變換，基于柵格的局部單應變換，以及復雜的逐像素的稠密光流。

其中，全局單應變換雖然計算量較小，但無法描述復雜的三維結構映射。

逐像素的稠密光流算法可以得到精確的圖像間可見像素的映射關系，但對于人像區域內未知區域的修復無法實現，另外限于手機平臺計算量的限制，該算法無法滿足實時獲取映射關系的需求。

因此，快手采用基于柵格的局部單應變換的圖像對齊算法，來平衡計算量和精確度之間的關系。通過同時優化幀間特征點的光度誤差和柵格的形變誤差，在低計算量的情況下也能得到精準的幀間映射關系，有效地將歷史幀的可見區域信息實時傳播到當前畫面。

并且，通過調節柵格數量，可以很方便的調節算法的計算量和映射的精度，實現多機型的算法適配。

中低端機型都能用，真正麻瓜的「魔法」

其實，對快手的工程師而言，僅僅實現效果是遠遠不夠的。

更重要的一點，是要在移動端硬件種類繁多的情況下，覆蓋高、中、低端各種手機型號，讓每一個檔次的機型的能力都發揮到最大。

一方面，是因為每一次的產品落地，都關系到4億用戶的實際體驗，牽一發而動全身。

另一方面，快手的用戶特性決定，用戶手中的手機型號分布會很廣，不同機型算力和內存資源差異很大。

而要做到這一點，快手依靠的是自研的YCNN深度學習推理引擎。

拿CPU來說，無論是蘋果、高通、華為還是聯發科的芯片，無論是高端的驍龍865還是低端的驍龍450、430，YCNN引擎都能支持模型在上面運行。同樣，GPU方面，YCNN引擎同時支持Mali、Adreno、Apple和英偉達等多種GPU。NPU方面，蘋果Bionic，華為HiAI，高通SNPE和MTK的APU均在支持范圍之內。

同時，YCNN引擎具有完備的模型結構與數值精度，支持常見的CNN, RNN結構，支持float32, float16,uint8等不同精度計算。

為了在更大程度上利用手機算力，YCNN引擎還提供了多種模型，既有針對高算力NPU設計的大模型，有針對高端CPU、GPU設計的級的不同的小模型，也有針對中低端CPU處理器設計的特定小模型。同時，通過模型下發的方式，將設備上的最好算力與相應的模型進行匹配，以期達到效果與性能的最佳平衡，給用戶帶來最好的體驗。

在推理引擎的優化方面，針對不同的設備端，快手的工程師們分別設計了Metal算子、OpenCL算子以及Neon算子等等，有針對性地進行了算子的優化，以最大化利用設備性能，提升模型的運算速度。

此外，YCNN引擎具有完善的AI模型工具鏈，支持PyTorch， TF/TFlite模型直接轉換為YCNN模型，并支持訓練時模型量化與基于硬件的模型結構搜索。綜合性能比業界引擎有10%左右的優勢。

快手之道

最后，回到AI特效、回到晚會，回到快手本身。

快手的技術和AI特效魔法，之前介紹的也不少。這家依靠短視頻迅速崛起的技術公司，一方面把最新最前沿的技術帶給了更多人，另一方面也通過技術，讓用戶體驗到從「記錄每一種生活」到「擁抱每一種生活」。

但更值得稱道的是，快手之道，更在于面對最前沿技術時的心態——希望無差別地讓每一個用戶使用，感受技術的樂趣，無論是何種機型，無論信號覆蓋如何。

現在，這種快手之道，在往線下延續，讓線上的用戶有機會登上線下的舞臺，和明星一起亮相，展示自己。從線上到線下，跨越平臺和社區。

這次快手「九年磨一劍」打造的「一千零一夜」超豪華陣容晚會，就是最直觀的例證。

一方面，快手與江蘇衛視攜手，臺網聯動，在節目內核和呈現形式上實現了大小屏的深度融合。不只是實時隱身特效，還有黃渤跟周杰倫的低延時連麥、虛擬技術加持下的F4隔空同臺等黑科技，都給觀眾帶來了新的觀賞體驗。

另一方面，從明星陣容上就可以看出快手的號召力在增強，星素同臺的晚會形式，形成了快手獨有的文化IP。

數據同樣也佐證了這一點。據悉，這場晚會快手官方直播間觀看總人數達9008萬，直播間互動總量達1.34億次，最高同時在線人數達315萬，預約直播總人數達到3100萬。

如此巨大的流量和關注度，無疑也是一場技術價值觀的科普。

在舞臺之上，有明星大咖和快手達人的跨界合作；舞臺之下，快手也踏踏實實遵循提升用戶體驗、創造用戶價值的技術信仰，使得陽春白雪和下里巴人的種種「人間煙火」，都能通過AI技術這樣的前沿科技為生活增添色彩。

這是理性科技之外的那一面：用奇幻科技，打破人間藩籬。

之前有句「老話」，說科技是麻瓜的魔法。

但比起這種魔法，打造魔法本身的工程師、讓魔法真正無差別應用的工程師，不易于被推至鎂光燈下，但依然值得掌聲和褒獎。

你還能舉出其他的「魔法」案例嗎？

最后的最后，開發該特效的技術團隊是快手Y-tech團隊，這里也特別傳送一下：

這支團隊致力于計算機視覺、計算機圖形學、機器學習、AR/VR 等領域的技術創新和業務落地，不斷探索新技術與新用戶體驗的最佳結合點。目前 Y-tech 在北京、深圳、杭州、Seattle、Palo Alto 有研發團隊，大部分成員來自于國際知名公司和大學。

責任編輯：lq