VOID: 비디오 인페인팅

비디오를 업로드하고 제거할 오브젝트를 마스킹하세요. 오브젝트와 물리적 상호작용이 삭제된 깨끗한 비디오를 생성합니다.

Input

A short name SAM3 can find in every frame, e.g. dog, person, car.

Default: human

Describe the scene as it should look without the object.

The clip to clean up; the first few seconds are used.

Seconds of video to process.

Processing size; 672×384 is the default.

Processing size; 672×384 is the default.

Advanced settings

How closely to follow the prompt.

Default: 6

Skip the refining second pass: faster, less stable over time.

Leave empty for a new result each run. Enter a number to repeat one.

Where to start in the clip.

Default: 0 seconds

Steps for each of the two passes.

Default: 30

Output
00:00
Example

예시 사용해 보기

이 워크플로 정보

이 ComfyUI 튜토리얼은 VOID: Video Inpainting 워크플로를 사용해 비디오에서 오브젝트를 제거하는 방법을 보여줍니다. 그래프는 단순하고 학습이 빠릅니다: LoadVideo가 클립을 읽고, 단일 VOID 인페인팅 노드(c3157b75-484a-459e-b8de-57823bef5130)가 세그멘테이션 및 시간 기반 인페인팅을 수행하며, SaveVideo가 정리된 결과를 저장합니다. 캔버스의 MarkdownNote가 인라인 가이드를 제공합니다. 내부적으로 세그멘테이션은 SAM3(sam3.1_multiplex_fp16.safetensors 체크포인트 사용)로 구동됩니다. T5-XXL 텍스트 인코더로 인코딩한 텍스트 힌트, 손으로 그린 마스크, 또는 둘 다를 사용해 지울 대상을 정밀하게 안내할 수 있습니다.

기술적으로 핵심 VOID 노드는 Netflix/void-model 프로젝트의 2패스 시간 인지 인페인팅 모델을 실행합니다. 1패스는 프레임별로 마스크된 콘텐츠를 제거하고 그럴듯한 배경을 추정하며, 2패스는 시간 축으로 구조를 전파해 깜빡임을 줄이고 모션 패럴랙스를 보존합니다. 이 방식은 단일 프레임 패치보다 실제 오브젝트 제거에 더 적합하며, 반사/그림자/짧은 가림도 프레임 간에 더 일관되게 처리됩니다. fp16으로 동작하므로 최신 GPU에서 품질과 속도의 균형을 맞추면서 메모리 사용을 관리하기 쉽습니다.

질문과 답변