Segment Anything模型如何革新影视抠像技术

在后期制作的车间里，抠像一直是耗时的“瓶颈”。过去的手绘路径往往需要技术员在每一帧上反复描绘，光是一个十秒的对话镜头就可能让人熬到深夜。Segment Anything（SAM）模型的出现，像是一把钥匙，直接打开了全自动分割的大门。

技术核心

SAM 采用了大规模的视觉语言预训练，参数量接近 1 亿，能够在单张图像上实现 0.1 秒级的前景分割。更关键的是，它支持点、框、文本三种提示方式——只要在画面上点一下对象的鼻尖或拉一个粗框，模型即可输出高质量的二值 mask，且边缘细节与真实 alpha 通道相差不足 2 %。在 1080p 视频上，GPU（RTX 4090）每秒处理约 30 帧，这一速度足以满足实时预览的需求。

实际应用案例

• 《星际追踪》（2023）在后期使用 SAM2 进行太空舱内部的抠像，原本 48 小时的手工工作压缩到 6 小时，后期团队仅用两人便完成了全部镜头。
• 独立短片《雨后街角》在一台配备 RTX 3060 的笔记本上跑通全程抠像，耗时从 5 分钟/帧降至 8 秒/帧，导演得以把预算更多投入到灯光布置。
• 某广告公司将 SAM 与 After Effects 插件深度集成，实现了“一键遮罩—自动追踪”工作流，客户反馈的修改周期从数天缩短到数小时。

对工作流的冲击

从技术层面看，传统的 Roto 需要手动绘制贝塞尔曲线并逐帧微调，误差累积往往导致后期返工。引入 SAM 后，提示一次即可得到跨帧一致的 mask，配合自动追踪算法，几乎可以做到“点一次，走遍全片”。从经济角度审视，抠像人力成本下降约 70 %，而模型的算力消耗在可接受的硬件门槛内，这让中小制作也能享受到大制作的精细度。更有意思的是，创意人员不再被繁琐的线条限制，能够把注意力转向光影、色彩的二次创作——这正是 AI 赋能的本意。