图片来源@Unsplash

在极富动感的音乐中，一名少年踏着滑板穿过了崇山峻岭和西部公路，就在你以为这是某个电影片段时，画面一转，屏幕外的少年只是在原地摆姿势。

以往这种效果，往往通过专业团队搭建绿幕完成，而现在一家公司想用AI技术“取代”绿幕，让人在手机拍摄时，就能实时完成视频抠图。

这便是Versa（上海懿天网络科技）公司推出的新产品“绿幕侠”，该产品希望能够一部分“替代”绿幕，让普通人也参与到微电影短视频的制作当中。

如下图所示，用户进入“绿幕侠”后默认是绿幕，用户还可选择其他视频场景如“梵高的博物馆”、“徒步欧洲”和“像素人”等主题。视频中的人像会被App自动抠图出来，可改变大小或复制拼贴。据钛媒体观察，当前产品中内置的许多视频场景由用户上传。

用户可在“绿幕侠”主页可选择不同场景拍摄视频

Versa希望能做成手机端的Adobe，只是前者的受众偏向设计师等专业群体，而Versa公司希望能降低创意设计的门槛。与Adobe全家桶类似的是，未来versa也打算推出一系列产品，专门解决普通人在图片、摄影、视频和音乐方面的创意设计问题。另外，除了移动端，这些产品也将逐步在Pad和PC端上落地。

2018年8月，Versa推出了AI图像处理App“马卡龙玩图”，该产品的定位是“手机端Photoshop”，其最重要的功能之一，就是利用计算机视觉中的AI图像语义分割技术进行一键抠图，实现人景分离和图像分离。用户不仅能一键P掉游客照中的路人，还能穿梭于世界名画、日漫风景等各种场景中。

蔡天懿对钛媒体透露，之后“马卡龙玩图”也会上线视频抠图功能，不过与“绿幕侠”不同的是，前者注重视频的编辑功能，会对已有视频做特效编辑；而后者重视拍摄过程，可实时抠图完成特效。

用户在产品的内容社区上传自己的作品（图片来源于马卡龙玩图）

AI图像语义分割是Versa公司系列产品中最核心的技术。从“马卡龙玩图”到“绿幕侠”，Versa产品的处理对象完成了从图像到视频的跨越，两者都基于AI图像语义分割，只是后者面临的技术挑战更大。

那么，实时的视频抠图要如何实现，实现了部分特效制作的“绿幕侠”又有着怎样的想象力？

视频抠图的技术攻坚战

马卡龙玩图刚上线时仅能做到人景分离，现在已经能做到图像分离，分割几十余种常见实例，除了识别人，人体各部分（如五官、头发和衣服）还有人的附属物（如背的包袋）等等。

视频抠图也是如此，多张图片的连续便成了视频。帧数越多，人所看到的视频越细腻。电影的帧数是24帧/秒，而“绿幕侠”的频率已经能达到30帧/秒，相当于1秒处理30张图片，一张图片约为33毫秒。

“绿幕侠”视频抠图示意图（来源产品宣传片）

在从图像抠图到视频抠图的转变中，Versa团队曾面临一个问题：做实时视频抠图，AI模型的运算选择云端还是手机端？

“我们决定把运算放在手机端而非云端。这主要出于实时处理、节省费用和个人隐私三方面的考量，”蔡天懿对钛媒体表示。

他补充道，首先，在云端处理往往有100毫秒的时延，而“绿幕侠”是实时抠图替换背景，有时延便无法做到实时。其次，视频处理跑在云端需要额外负担比图片处理高30倍的云端服务器的成本，且用户数越多成本越高。第三，拍照视频都属于个人私隐，上云也会存在安全隐患。实现手机端运行是绿幕侠App落地的首要条件。

像前段时间流行的FaceApp能让人一键变老，该产品就是要先上传到云端再做计算，不仅会受到网络状况的影响，还被质疑上云会侵犯用户的隐私。

但是把视频抠图放在手机端运行，技术门槛并不低。这既需要将云端的大算法模型缩小到手机端同时又保证处理效果，又需要能够提供足够算力的手机芯片。

在算法模型的升级上，Versa的AI实验室于今年3月份完成了模型小型化，实现了把模型从云端放到手机端的前提。

蔡天懿对钛媒体举例道：“如果用一台8000块钱电脑的GPU做人景分离，一张图需要100毫秒，一秒仅能做10张图；但Versa的算法模型一秒可处理30张图，还要保证一定的精度。优化后AI模型增强了其处理能力。”