近期，字節跳動智能創作團隊研發了業內首個通用視頻轉場推薦方案AutoTransition，致力于解決目前視頻剪輯中存在的學習成本高，編輯效率低等問題，該項成果目前已入選計算機視覺領域頂會ECCV2022（European Conference on Computer
Vision）。

隨著短視頻的迅猛發展和普及，每天都有海量用戶通過視頻來記錄和分享生活。對于缺乏專業剪輯和視頻編輯知識的普通用戶而言，視頻的制作和剪輯卻具有很高的門檻。

AutoTransition兼顧靈活性與高性能，面向轉場這一視頻剪輯中最常使用的編輯元素，通過將轉場推薦任務建模為多模態匹配和檢索問題，從大量視頻數據中自動學習轉場匹配關系，實現了對任意視頻和音頻輸入推薦高質量的轉場效果。借助AutoTransition，用戶可以快速一鍵生成優質轉場視頻，使剪輯效率得到顯著提升。

圖說：視頻轉場類別分類網絡，訓練Transition Embedding作為轉場的特征表示

據介紹，相比于基于一系列預定義的策略或隨機選取的剪輯方式，AutoTransition能夠有效地從海量數據中學習到專業的剪輯知識，并基于對視頻和音頻的理解推薦高質量轉場；相比于人工剪輯，AutoTransition模型能夠在極短時間內完成推薦，顯著提升編輯效率，并且推薦結果可媲美甚至超越專家剪輯的效果；得益于優秀的擴展性，AutoTransition可以方便地和其他的視頻處理技術結合（例如視頻高光提取、視頻聚類和排序等），以實現更全面的視頻剪輯能力，幫助視頻工作者進一步提升視頻編輯的效率。

目前，AutoTransition的衍生技術已經成功落地于抖音和智能創作ToB工具箱等多項業務場景中。字節跳動智能創作團隊表示：首個視頻轉場數據集和AutoTransition代碼均已開源，以期吸引更多同行關注這一新領域，共同推動智能視頻剪輯的快速發展。未來，該團隊準備將這一方案擴展到更多的視頻剪輯元素，包括但不限于視頻動畫，視頻貼紙和裁剪變換等，同時還將嘗試和其他視頻處理技術結合，以實現更全面的視頻剪輯功能。

??論文鏈接：AutoTransition: Learning to Recommend Video Transition Effects??