ICML 2026｜美图提出BridgeRemoval，让视频消除不再穿帮

智东西 作者 | ZeR0 编辑 | 漠影 消除照片中的路人、杂物，现在已经是节假日出片的“必备神器”，AI消除的能力逐步从图片拓展到视频，但既要补全单帧内容，还要确保单帧内空间连贯性和帧间时序一致性，使得视频目标移除的难度明显上升。 目前主流的方法是基于扩散模型“从噪声到数据”的生成范式，即以无信息的高斯噪声为起点逐步重建，这一过程丢弃了源视频中大量有效的结构与场景先验，在面对大范围遮挡或需要生成复杂物理逻辑的内容时，往往导致物体消除不彻底，或生成与场景相悖的内容，因此一般通过引入参考帧引导机制进行解决，但该机制显著增加了系统复杂性。 对此，美图影像研究院（MT Lab）提出基于随机桥模型的新框架——BridgeRemoval，首次将“视频目标移除”定义为“视频到视频的翻译任务”，通过构建基于随机桥（VP-SDE Bridge）的直接生成路径，更好地平衡背景保真度与生成灵活性，显著提升视频目标移除精准度与画面内容时空逻辑一致性。该成果近期已被机器学习领域三大顶级会议之一的ICML 2026（International Conference on Machine Learning）录用。 论文链接：https://arxiv.org/pdf/2601.12066 项目主页：https://bridgeremoval.github.io/ BridgeRemoval的架构是将源视频输入通过冻结的VAE编码器投射至隐空间，基于VP-SDE Bridge 构建一条直接从源视频先验（z_src）到干净目标（z_tgt）的插值轨迹，再通过拼接掩码隐变量（z_M）与源视频隐变量（z_src