💡 站外导读：在AI视频编辑领域，现有目标移除技术常面临幻觉物体、视觉伪影和推理缓慢等痛点，阻碍了影视后期和内容创作的效率。随着AIGC浪潮席卷全球，行业急需更高效、高质量的解决方案来应对海量视频处理需求。MiniMax-Remover应运而生，通过创新的两阶段方法，为这些挑战提供了突破性答案。

MiniMax-Remover 是新型的视频目标移除方法，解决现有技术中常见的幻觉物体、视觉伪影以及推理速度缓慢等问题。采用两阶段方法：第一阶段基于简化版的 DiT 架构，通过移除文本输入和交叉注意力层，得到更轻量级和高效的模型；第二阶段通过最小最大优化策略对模型进行蒸馏，识别对抗性输入噪声并训练模型在这些条件下生成高质量结果。仅需 6 步采样且不依赖分类器自由引导（CFG），能实现先进的视频目标移除效果，显著提高了推理效率。

MiniMax-Remover的主要功能

• 高效的视频目标移除：采用两阶段方法，第一阶段基于简化版的 DiT 架构，移除文本输入和交叉注意力层，得到更轻量级和高效的模型架构；第二阶段通过最小最大优化策略对移除器进行蒸馏，进一步提升编辑质量和推理速度。

• 快速的推理速度：仅需 6 步采样且不依赖分类器自由引导（CFG），能实现先进的视频目标移除效果，显著提高了推理效率。

• 高质量的移除效果：通过内部最大化步骤识别对抗性输入噪声，外部最小化步骤训练模型在这些条件下生成高质量结果，避免幻觉物体和视觉伪影等问题。

MiniMax-Remover的技术原理

• 第一阶段模型架构优化：MiniMax-Remover 首先采用简化版的 DiT（Diffusion in Time）架构，移除文本输入和交叉注意力层，得到更轻量级和高效的模型架构。这一阶段的目标是减少模型的复杂度，提高推理速度，同时保持基本的视频目标移除能力。
• 第二阶段最小最大优化：在第一阶段的基础上，MiniMax-Remover 进一步通过最小最大优化策略对模型进行蒸馏，提升编辑质量和推理速度。具体步骤如下：
  • 内部最大化：识别出会导致移除失败的对抗性输入噪声（“坏噪声”）。噪声模拟了在实际应用中可能遇到的最坏情况，帮助模型学习如何应对这些挑战。
  • 外部最小化：训练模型即使在这些对抗性条件下也能生成高质量的移除结果。通过这种方式，模型能在最坏情况下仍保持较好的性能。

MiniMax-Remover的项目地址

• 项目官网：https://minimax-remover.github.io/

MiniMax-Remover的应用场景

• 影视后期制作：在电影、电视剧、广告等影视作品的后期制作中，需要移除一些不想要的元素，如穿帮的道具、多余的演员、标志等，MiniMax-Remover 可以快速且高质量地完成这些任务，节省后期制作的时间和成本。

• 视频内容创作：对于自媒体视频创作者来说，MiniMax-Remover 可以帮助他们轻松移除视频中的干扰元素，如背景中的无关人物、广告牌等，使视频内容更加简洁、专业，提升观众的观看体验。

• 视频修复与优化：在一些老旧视频或受损视频的修复过程中，MiniMax-Remover 可以用于移除视频中的瑕疵、污点等，恢复视频的清晰度和完整性。

• 视频特效制作：在制作视频特效时，MiniMax-Remover 可以作为前期处理工具，移除视频中的原始元素，为后续的特效添加提供干净的背景。