奈飞研究院与索菲亚大学联合开发了VOID（Video Object and Interaction Deletion）AI框架。该框架不仅能从视频中移除物体，还能重新模拟剩余场景的物理行为，已以Apache 2.0许可证开源。
传统视频擦除工具在处理物体间存在物理接触（如碰撞、支撑）的场景时容易穿帮。VOID的核心在于理解物理因果，例如：
- 移除一排多米诺骨牌中的一块，后续骨牌不会倒下。
- 移除跳入泳池的人，水面不会溅起水花。
- 移除手持物体的人，物体会自然下落。
技术流程主要包括：
- 感知与规划：使用SAM2进行物体分割，Gemini分析场景语义，生成标记主体、重叠区、受影响区和背景的“quadmask”。
- 轨迹生成：基于CogVideoX微调模型，生成物理合理的反事实运动轨迹。
- 稳定优化（可选）：通过“光流噪声稳定”技术，防止长视频片段中的物体变形。
该模型使用约6400组物理模拟数据进行训练。在偏好测试中，VOID以64.8%的选择率领先于部分商业工具。目前推理需A100级别（40GB以上）显存。
