利用RVM与FastDeploy实现高效视频绿幕抠像：挽救视频剪辑师的工作效率

目录

引言

RVM: Robust Video Matting

FastDeploy: 快速部署

1、安装FastDeploy环境

2、运行官方RVM抠像测试代码

3、RobustVideoMatting Python部署示例

4、将整个应用在notebook下跑通

二、应用部署

1、首先修改infer.py文件，以便在应用中使用

测试rvm.py文件执行是否正常

测试调用rvmmatting函数

2、用“应用创建工具”创建应用

BML CodeLab启动页新增应用创建工具选项。

调试应用

部署应用

调试

Matting的文档比较简单

视频抠图的时候输出很多无用信息

自己上传的视频无法转换成功

在应用中同时写两个上传控件报错：

在引用浏览器测试的时候，碰到图像斜向扭曲

项目调试报错：ModuleNotFoundError: No module named 'fastdeploy'

问：如何切换模型推理后端

应用在一个浏览器Safari正常另一个Chrome浏览器不正常

Chrome浏览器不支持h264以外编码的解决方法

报错could not find a writer for the specified extension in function 'imwrite_'

应用中调用rvmmatting函数，发现生成的视频文件不见了

痛定思痛，还是要优化“应用”的开发和调试最优路径

最优开发路径

应用中测试时发现ffmpeg转换的文件不在

应用测试中发现切换图片后报错

报错AttributeError: 'NoneType' object has no attribute 'read'

想加上定时删除功能，失败

---

引言

视频剪辑是一个复杂而精细的工作，涉及到的技术和步骤众多，如剪辑、配音、特效等。其中，绿幕抠像是一项非常重要的技术，它可以将演员和背景分开，让我们可以在后期中加入各种特效和背景。然而，绿幕抠像的过程往往比较复杂和繁琐，尤其是在复杂的场景中，往往需要消耗大量的时间和精力。有没有办法让这个过程变得更简单呢？

答案是有的。在本文中，我们将介绍如何使用RVM（Robust Video Matting）和FastDeploy来实现绿幕抠像的自动化和快速化，以此来提高视频剪辑师的工作效率，拯救他们的发量。

RVM: Robust Video Matting

RVM，即Robust Video Matting，是一种深度学习的视频抠像技术。它可以对视频进行逐帧分析，然后通过深度学习的方式，将前景对象（如人物）和背景进行分离，从而实现抠像的效果。与传统的绿幕抠像技术相比，RVM可以实现更精细、更准确的抠像效果，而且不需要专门的绿幕设备，甚至可以直接在复杂的自然场