CVPR 冠军代码开源！小米 SVOR 破解视频消除三大「顽疾」，连人带影一键抹除
一句话看懂：小米大模型应用团队提出 SVOR 框架，专门解决真实视频目标消除中的阴影残留、运动抖动和遮罩缺陷三大难题，在 CVPR 2026 视频消除挑战赛中获得第一名，相关代码和模型现已在 Apache 2.0 协议下开源。
事件核心：发生了什么
小米大模型应用团队在 CVPR 2026 物理感知视频实例消除挑战赛中，凭借 SVOR 方案从 18 支参赛队伍中脱颖而出，获得总分第一。SVOR 并非仅为比赛设计，而是一套面向真实场景的“不完美条件”视频消除框架。团队总结出三类实际应用中的常发问题：用户随手画的掩码边界不精确、物体移除后阴影残留、快速运动导致逐帧闪烁。针对这些问题，SVOR 设计了窗口化联合策略 MUSE 解决运动抖动，去噪感知分割 DA-Seg 提升遮罩容错性，并采用“真实背景自监督预训练+合成数据精调”的两阶段课程式训练方法来处理阴影和反射残留。论文已发布于 arXiv，代码在 GitHub 开源，并提供了可调用的 Skill。
为什么重要
目前公开信息显示，视频目标消除技术在论文测试场景中表现良好，但在真实世界视频里，由于运动、光线变化和用户输入不精确，很多已有方法的可用性大幅下降。小米 SVOR 的价值在于它系统性地定义了“不完美条件”，并针对具体问题给出了工程可落地的方案，而非仅追求完美数据上的指标提升。这种做法更贴近实际内容创作需求。同时，团队将代码以开源方式发布，有助于吸引开发者社区共同验证和迭代，推动视频修复技术从实验室环境向真实应用场景过渡。
对用户/开发者/创作者的影响
对于视频创作者和普通用户而言，SVOR 的可用性提高意味着后处理去路人、去杂物等操作将更自然，减少“一眼假”或闪烁现象。对于开发者，代码完全开源且协议相对宽松，可直接集成到现有编辑工具或应用流水线中，降低视频目标消除的落地门槛。对于学术研究者，SVOR 提出的问题定义、评测基准和训练策略提供了新的参考方向，尤其是“不完美条件下”的评估思路值得关注。此外，团队还透露后续会开源配套的评测方案和数据，这将有助于行业内形成更统一的评价口径。
值得关注的后续
第一，SVOR 开源后是否能被主流视频编辑工具集成，以及集成后的推理效率和显存占用是否满足实时编辑需求。第二，团队在评测方法上的后续开源动作——如果伴随高质量的真实场景基准数据集，可能成为视频消除领域的新标准。第三，其他玩家（如 Meta、Adobe 或国内视频平台）是否会跟进类似“不完美条件”下的训练和测试策略，从而推动整个技术路线的演变。
来源：Readhub · AI
