大变活人，需要几个步骤？

万万没想到，这么经典的大型魔术，现在都能零基础入门了。

在快手和江苏卫视联手打造的「一千零一夜」晚会上，迪丽热巴就当场表演了一个。

不需要道具，不需要托儿，也不挑时间地点，她就这么在直播镜头里blingbling地闪现了。

并且位场的波动，完全没有破坏背景的完整。（手动狗头）

最关键的是，给你一部安装了快手的手机，你同样可以实现。

没错，这个能实时实现电影大片里隐身特效的黑科技，就是快手最近上线的AI新玩法——「隐身魔法」。这是结合单图图像修复和帧间图像对齐技术的视频修复算法，在短视频行业中的首次应用。

不仅能「凭空出现」，对着镜头比个「6」，你还能当场变身透明人，跟空气融为一体。

效果如此丝滑，难怪上线几天时间，快手用户就玩得飞起，迅速贡献了77.5w个相关作品。

一时成为年度短视频最热特效玩法。

移动端的实时视频修复技术

让视频里的人实时隐身，怎么个原理？

此前，量子位其实介绍过类似的「隐身」算法，比如弗吉尼亚大学和Facebook联手打造的基于光流边缘引导的视频修复算法。

虽然有学术领域的前例，但想要把这样的技术应用到移动端，仍然存在不小的挑战。

最主要的问题在于计算量，视频修复涉及到多帧计算，其深度学习模型普遍计算量较大，很难在移动端运行。

那么快手是怎么做到的？量子位照例来一一捋清楚。

其实道理很简单，想要把画面中的人抹掉，除了自动把人像抠出来之外，AI还得学会脑补人像遮挡住的真实背景。

这就涉及到两方面的问题：

初始帧人像区域的背景修复

后续相机、人物运动过程中人像区域的背景填充

为了解决这两个问题，快手的工程师们将算法整体分成了两个阶段：

首帧使用移动端脑补模型实现对人像区域的背景填充，后续帧使用帧间实时跟踪匹配投影，实现可见背景区域向人物遮挡区域的填充。

基于DeepFill的图像修复算法

首先来看首帧修复。具体到模型架构上，快手工程师主要基于开源的DeepFill模型，根据实际需求进行了定制化开发和优化。

DeepFill是一种基于GAN提出的图像修复方法，修复能力是酱婶的：

在此基础上，快手在整个模型设计中采用coarse to refine双阶段结构。

第一阶段，在小尺寸上进行初步修复，利用较少计算量的coarse网络得到缺失区域的大概轮廓。

第二阶段，将该初步结果融合到原图在大尺寸上利用refine网络生成缺失区域的细节。

而为了让模型能在移动端上更好地部署运行，工程师们还采用剪枝和蒸馏方法进一步压缩了模型结构。

在算法研发过程中，工程师还发现，缺失区域越大，图像修复结果越不可控，使用L1损失和GAN损失无法有效的约束修复区域的结构和语义的合理性。

针对此问题，一方面采用边界生成联合训练的方法，对边界这一结构信息进行直接约束，明显提高了大缺失区域情况下修复结果的合理性。另一方面采用多尺度预测的方式对模型中间层的特征进行了约束，有效提升了修复结果的清晰度。

在损失函数方面，在训练中工程师采用了SSIM、Lpips感知损失、PatchGan损失和蒸馏损失，在小模型上也实现良好的图像修复结果。

在训练数据方面，快手工程师构建了一个包含100W背景图和10W人像mask的通用图像修复数据集，包含居家、办公、建筑、风景、虚拟CG等常见环境。

并且，根据背景数据的纹理复杂度进行了分类，模型训练过程中随着网络逐步收敛，逐渐加大复杂纹理数据的比例，使得模型更好地完成从简单到复杂等多种背景的修复。

一套组合拳下来，测试的结果如下。从左到右，分别是输入图像、边界预测、脑补结果和实际背景。

实时跟踪投影匹配

而在后续帧的背景修复上，为了更好地利用已有的背景信息，需要将已经存在的背景投影到当前帧实现对人像遮挡区域的修复，即帧间图像映射。

目前对帧间图像映射关系的描述主要有三种方式：简单的全局单应变换，基于栅格的局部单应变换，以及复杂的逐像素的稠密光流。

其中，全局单应变换虽然计算量较小，但无法描述复杂的三维结构映射。

逐像素的稠密光流算法可以得到精确的图像间可见像素的映射关系，但对于人像区域内未知区域的修复无法实现，另外限于手机平台计算量的限制，该算法无法满足实时获取映射关系的需求。

因此，快手采用基于栅格的局部单应变换的图像对齐算法，来平衡计算量和精确度之间的关系。通过同时优化帧间特征点的光度误差和栅格的形变误差，在低计算量的情况下也能得到精准的帧间映射关系，有效地将历史帧的可见区域信息实时传播到当前画面。

并且，通过调节栅格数量，可以很方便的调节算法的计算量和映射的精度，实现多机型的算法适配。

中低端机型都能用，真正麻瓜的「魔法」

其实，对快手的工程师而言，仅仅实现效果是远远不够的。

更重要的一点，是要在移动端硬件种类繁多的情况下，覆盖高、中、低端各种手机型号，让每一个档次的机型的能力都发挥到最大。

一方面，是因为每一次的产品落地，都关系到4亿用户的实际体验，牵一发而动全身。

另一方面，快手的用户特性决定，用户手中的手机型号分布会很广，不同机型算力和内存资源差异很大。

而要做到这一点，快手依靠的是自研的YCNN深度学习推理引擎。

拿CPU来说，无论是苹果、高通、华为还是联发科的芯片，无论是高端的骁龙865还是低端的骁龙450、430，YCNN引擎都能支持模型在上面运行。同样，GPU方面，YCNN引擎同时支持Mali、Adreno、Apple和英伟达等多种GPU。NPU方面，苹果Bionic，华为HiAI，高通SNPE和MTK的APU均在支持范围之内。

同时，YCNN引擎具有完备的模型结构与数值精度，支持常见的CNN, RNN结构，支持float32, float16,uint8等不同精度计算。

为了在更大程度上利用手机算力，YCNN引擎还提供了多种模型，既有针对高算力NPU设计的大模型，有针对高端CPU、GPU设计的级的不同的小模型，也有针对中低端CPU处理器设计的特定小模型。同时，通过模型下发的方式，将设备上的最好算力与相应的模型进行匹配，以期达到效果与性能的最佳平衡，给用户带来最好的体验。

在推理引擎的优化方面，针对不同的设备端，快手的工程师们分别设计了Metal算子、OpenCL算子以及Neon算子等等，有针对性地进行了算子的优化，以最大化利用设备性能，提升模型的运算速度。

此外，YCNN引擎具有完善的AI模型工具链，支持PyTorch， TF/TFlite模型直接转换为YCNN模型，并支持训练时模型量化与基于硬件的模型结构搜索。综合性能比业界引擎有10%左右的优势。

快手之道

最后，回到AI特效、回到晚会，回到快手本身。

快手的技术和AI特效魔法，之前介绍的也不少。这家依靠短视频迅速崛起的技术公司，一方面把最新最前沿的技术带给了更多人，另一方面也通过技术，让用户体验到从「记录每一种生活」到「拥抱每一种生活」。

但更值得称道的是，快手之道，更在于面对最前沿技术时的心态——希望无差别地让每一个用户使用，感受技术的乐趣，无论是何种机型，无论信号覆盖如何。

现在，这种快手之道，在往线下延续，让线上的用户有机会登上线下的舞台，和明星一起亮相，展示自己。从线上到线下，跨越平台和社区。

这次快手「九年磨一剑」打造的「一千零一夜」超豪华阵容晚会，就是最直观的例证。

一方面，快手与江苏卫视携手，台网联动，在节目内核和呈现形式上实现了大小屏的深度融合。不只是实时隐身特效，还有黄渤跟周杰伦的低延时连麦、虚拟技术加持下的F4隔空同台等黑科技，都给观众带来了新的观赏体验。

另一方面，从明星阵容上就可以看出快手的号召力在增强，星素同台的晚会形式，形成了快手独有的文化IP。

数据同样也佐证了这一点。据悉，这场晚会快手官方直播间观看总人数达9008万，直播间互动总量达1.34亿次，最高同时在线人数达315万，预约直播总人数达到3100万。

如此巨大的流量和关注度，无疑也是一场技术价值观的科普。

在舞台之上，有明星大咖和快手达人的跨界合作；舞台之下，快手也踏踏实实遵循提升用户体验、创造用户价值的技术信仰，使得阳春白雪和下里巴人的种种「人间烟火」，都能通过AI技术这样的前沿科技为生活增添色彩。

这是理性科技之外的那一面：用奇幻科技，打破人间藩篱。

之前有句「老话」，说科技是麻瓜的魔法。

但比起这种魔法，打造魔法本身的工程师、让魔法真正无差别应用的工程师，不易于被推至镁光灯下，但依然值得掌声和褒奖。

你还能举出其他的「魔法」案例吗？