第二届“马栏山”杯国际音视频算法大赛高分攻略

一秒让墙上的广告消失，保留完整墙面；

户外大屏幕显示LOGO被擦除后，背景毫不违和……

欢迎来到魔法世界——

停！这其实并不是什么魔法，而是由弗吉尼亚理工大学提出的基于流的视频补全算法FGVC的一项应用。作为视频的“橡皮擦”，FGVC可应用在视频去水印、物体移除、画面扩展等方面，并入选 ECCV 2020，极具研究意义。

在智能时代，通过视频补全算法，后期可以利用影视剧集数据构建模型，将非局部流连接引入到时间遥远帧，实现真正的视频补全或者抹除，堪称音视频产品的魔法师。正因如此，视频补全也成为第二届“马栏山”杯国际音视频算法大赛重要赛题之一。

我们不难发现，随着AI技术的持续发展，算法带来了无限的想象空间。比如优质视频的推荐，视频水印的消除，甚至还能通过算法来掌握音乐节奏，让人人都能享受更加优质的音视频服务。那么作为开发者，要如何才能在算法的浪潮之中实现突破呢？

为给广大开发者及算法爱好者提供一个展现自身实力的舞台，共同推进业界难题攻坚、行业创新探索，由中国(长沙)马栏山视频文创产业园和芒果TV联合举办第二届“马栏山”杯国际音视频算法大赛正式拉开序幕。本次大赛分为邀请赛、正式赛及现场颁奖交流分享三个阶段，其中邀请赛阶段已经结束，而正式赛则分为视频补全、视频推荐及音乐节拍检测三大赛道，更有心动大奖，为了帮助大家取得更好的成绩，笔者为大家梳理一下每个赛题的题目要求和解题思路。

三大赛题，瞄准音视频算法业务焦点

NO.1视频补全赛道

视频补全技术是用新合成的内容填充给定的时空区域，可以应用在视频修复、视频编辑、特效处理、去水印等场景中。新合成的内容应该无缝嵌入视频中，使得更改不被察觉。而此赛道就是要求以大赛组织方提供的视频片段数据为基础，进行模型训练，对缺失区域进行补全。其难点在于确保补全后的视频连贯自然，不具有违和感。

在这个领域，几年前常用的方法是基于补丁的合成技术直接填补像素，该方法合成速度慢、较难控制。目前常用的视频补全方法通常需要借助深度学习来实现，如果仅依赖卷积神经网络来借用复制补充，不仅效率低，合成图像很容易因为图形和纹理的模糊导致用户观感较差。这里可以参考FGVC算法，经过计算稠密光流（RAFT）、计算边缘（Canny&