bingdadaBridgeRemoval 是美图影像研究院提出的视频目标移除新框架，首次将该任务定义为视频到视频的翻译，通过基于 VP-SDE 的随机桥模型锚定源视频结构，配合自适应掩码调制，有效解决了背景保真与时序一致性问题。
在图像编辑领域，AI 消除路人或杂物已成为日常操作。然而，当这一需求从静态图片延伸到动态视频时，技术难度陡然上升。视频目标移除不仅要保证单帧画面的完整性，还需兼顾帧间时序的连贯性，稍有不慎便会出现背景模糊、物体残留甚至画面扭曲等“穿帮”现象。
传统主流方案多依赖扩散模型，其生成逻辑是从纯噪声逐步恢复数据。这种范式虽然能生成丰富细节，却忽略了源视频中已有的结构和场景信息，导致在处理大面积遮挡或复杂物理逻辑时，容易出现消除不彻底或生成内容与场景矛盾的问题。业界普遍通过引入参考帧引导来缓解，但这无疑增加了系统的复杂度和计算负担。
美图影像研究院（MT Lab）近期提出了一种名为 BridgeRemoval 的新框架，其核心创新在于将“视频目标移除”重新定义为“视频到视频的翻译任务”。该研究已被机器学习顶级会议 ICML 2026 录用，相关论文与项目主页均已公开（论文链接、项目主页）。
这一视角的转变意味着，生成过程不再是从无到有的“凭空创造”，而是从源视频到目标视频的“定向转换”。BridgeRemoval 基于方差保持随机微分方程（VP-SDE）构建了直接生成路径，更好地平衡了背景保真度与生成灵活性。
区别于标准扩散模型从高斯噪声出发，BridgeRemoval 采用基于 VP-SDE 的桥模型。它将被遮挡的源视频作为生成过程的强前置约束，使生成轨迹牢牢锚定在输入视频的结构之上。模型的训练目标从“去噪”转变为“学习从源到目标的速度场”，从而能够有选择性地仅对遮罩区域进行变换，同时最大程度保留未遮挡背景的真实细节。
在推理阶段，BridgeRemoval 从源视频隐变量出发，沿逆向 SDE 轨迹逐步逼近目标。通过解析推导的修正采样策略，系统确保生成轨迹严格服从桥约束，从而在目标物体被完全移除后，仍能产出背景连贯、时序稳定且画质更优的视频。
当直接利用强先验移除大尺寸物体时，模型可能因“过度忠实”源视频结构，而难以生成大面积的合理新区域。为此，BridgeRemoval 引入了自适应掩码调制策略，根据掩码的空间特征动态调节对源视频结构的依赖程度。对于大面积遮挡区域，适当放松结构约束以生成合理新内容；对于有效背景区域，则保持高度保真。
定量实验显示，BridgeRemoval 在 DAVIS 与 BridgeRemoval-Bench 两个数据集上均取得了最高的 PSNR 值，并在 CLIP-T 指标上表现极具竞争力。定性比较结果同样表明，其在还原背景的干净度、稳定性和场景逻辑一致性上均优于现有基线。由 24 名研究人员和行业专家参与的主观评估也确认，该框架在文本一致性、背景保真度和时序连贯性三个维度上均显著领先。
目前，这一技术已落地于美图秀秀、Wink 的“视频美型背景保护”功能，解决了人像视频编辑中常见的栏杆变弯、背景形变等问题。同时，该能力也应用于开拍 APP 的“智能全消”功能，支持最长 5 分钟的视频输入，可自动识别并消除视频中的文字。
美图此次在 ICML 2026 上的成果，反映了国内影像技术团队在底层算法研究上的持续投入。放眼国内，字节跳动的剪映、快手的快影等产品也在视频编辑领域积极探索 AI 消除与生成技术。与美图聚焦于“背景保护”和“精准消除”不同，部分国内厂商更侧重于“智能生成”和“一键成片”等场景。美图选择从“随机桥模型”这一底层技术切入，体现了其在影像垂直领域的深耕思路，旨在通过解决时序一致性这一行业痛点，建立差异化的技术壁垒。
传统扩散模型从纯高斯噪声开始生成，丢弃了源视频的有效结构信息；而 BridgeRemoval 采用随机桥模型，将源视频作为强前置约束，生成轨迹锚定在输入结构上，实现了“视频到视频”的直接翻译，而非“噪声到数据”的重建。
它解决了模型在移除大尺寸物体时“过于忠实”源视频结构的问题。通过根据掩码空间特征动态调节约束强度，系统能在需要生成大面积新区域时适当放松约束，同时对有效背景保持高度保真。
该技术已落地于美图秀秀和 Wink 的“视频美型背景保护”功能，解决人像编辑时的背景形变问题；同时应用于开拍 APP 的“智能全消”功能，支持最长 5 分钟视频的文字自动识别与消除。
ICML 是机器学习领域的三大顶级会议之一，论文被其录用代表该研究在理论创新和实验验证方面获得了国际学术界的认可，具备较高的学术价值与行业参考意义。
Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。
编辑团队：内容策划 · 技术编辑 · AI 研究组
网站：bingdada.com
© 2026 Bingdada. 保留所有权利。
SEO & GEO 技术探索者，专注于搜索引擎优化和生成式引擎优化。
清华AIR孵化的紫荆智康推出多分身智能体协同技术，让不同专科的AI医生在真实诊室中协作，把多学科会诊前置到首诊环节，并在虚拟训练与现实微调中持续进化。
MiniMax M3.1 Flash 正式亮相，以 29.6% 的 ALE 得分拿下国产 Agent 第一，同时把综合成本压到前代 30%。本文拆解其跑分表现、极速低价策略，以及国产 Flash 双子星如何改写企业级 Agent 的落地逻辑。
VAST开源实时世界模型EdenLive，以状态与渲染解耦架构在单张RTX 5090上实现720P超24FPS生成，覆盖游戏预览、场景动画、视频重渲染与具身数据增强四类场景。
获取最新的 SEO 与 GEO 技术资讯。
我们尊重您的隐私，随时可以取消订阅。
