视频无限画布视频外扩 /outpaint是短剧、全景镜头、宽幅叙事内容的高频能力。大量开发者在落地时都会遇到同一个硬伤画布向外扩展后拼接接缝出现色块断层、物体断裂、光影跳变静态截图尚可播放时闪烁撕裂非常明显。很多团队第一反应是调提示词、调高 CFG但是收效有限。接缝伪影不完全是提示词问题是空间分片渲染 时序特征漂移双重叠加带来的固有技术难题。高频疑问 1为什么画布中间画质很好偏偏边界接缝翻车 高频疑问 2图片外扩很丝滑换成视频就大量接缝闪烁1 视频外扩接缝伪影的底层成因视频外扩不同于图片扩图同时存在空间维度分片误差与时间维度帧间漂移双重压力伪影来源分为 3 个层面。1.1 空间分片带来硬边界超大画布无法一次性完整推理工程上普遍采用瓦片分片迭代生成。每一块瓦片独立降噪如果瓦片之间缺少特征交互新旧区域之间直接形成硬边界表现为线条、色块割裂、物体截断。单纯像素层羽化只能缓解表层隐空间特征不连续时播放依旧会闪烁。1.2 时序传播误差累积单帧扩图只处理空间视频每一帧都要做外扩。每帧独立生成扩展区域帧与帧之间接缝处纹理、光照、物体运动轨迹无法对齐。人眼对亮度差异极度敏感1% 亮度偏差在连续播放中就会转化肉眼可见频闪。1.3 时空注意力缺失带来语义断连传统方案空间注意力只处理单帧内部时序注意力只处理全局帧间没有把 “画布分片位置 时间帧” 做耦合。扩展区域不知道原始画面的光照、透视、物体运动逻辑新增内容语义、光影和原图脱节接缝位置语义撕裂。行业实测数据传统视频外扩方案肉眼可感知接缝瑕疵率可达 55% 以上大量后期修复工时甚至超过视频生成本身工时阿里云开发...。2 时空注意力机制基础概念时空注意力 空间自注意力 时序自注意力联合计算。空间注意力单帧内部建立画面长距离依赖理解同一张画面内物体位置、纹理、光影关系。时序注意力跨帧建立依赖让模型记住前序帧物体身份、运动、材质保证时序一致性。时空联合注意力QKV 同时融合空间位置特征与时间帧特征每一块局部特征既看本帧周边画面也看前后多帧历史信息。静态图片扩图只需要空间注意力视频无限画布想要消除动态接缝必须时空注意力协同生效只做像素羽化治标不治本。高频疑问 3既然时空注意力这么强为什么很多开源模型依旧接缝严重 答很多开源模型时序注意力是全局计算显存爆炸只能切短片段运行分片推理时没有把瓦片坐标注入注意力计算分片之间特征隔离所以依旧产生接缝。3 Vera1.1 无限画布时空注意力体系如何消解接缝伪影星宇智算 Vera1.1 基于双流 DiT 架构对时空注意力做工程改造结合全局坐标编码、滑动窗口注意力、分层扩散架构从模型层、特征层、像素层三层抑制接缝伪影。3.1 全局时序‑空间坐标注入注意力计算Vera1.1 为整张无限画布维护一套亚像素级全局二维坐标系坐标信息注入 DiT 浅层全程参与时空注意力 QKV 计算。原始视频占据画布一块子区域向外扩展区域标记待生成每一个瓦片分片都知道自己在全局画布的绝对位置时空注意力计算时会参考相邻瓦片的历史特征分片之间不再完全隔离。效果工程实测 64K×64K 画布范围内坐标无漂移高速运动场景物体跨边界轨迹偏移率由行业 8.7% 下降至 1.8%。3.2 滑动窗口时空因果注意力平衡算力与连续性采用因果掩码 窗口掩码双重约束的滑动窗口时空注意力当前帧 Q 仅访问窗口内历史帧 K/V禁止读取未来帧注意力复杂度从 O (N²) 降低 O (N・W)大幅降低显存开销支持长序列视频外扩瓦片之间保留 25% 重叠特征匹配带重叠区作为时空注意力强交互区域强制新旧分片之间纹理、光影、运动特征对齐。关键点重叠区不是简单像素混合而是在隐空间注意力层面做特征融合从根源减少硬接缝而不是后期修图。3.3 全局实体特征锚点池跨分片跨帧锁住语义在时空注意力模块之外维护全局特征锚点池从原始视频提取人物、道具、光照、透视高层语义特征存入锚点池每一轮瓦片生成、每一次时间步注意力计算都会读取锚点特征作为软约束原始画面区域降噪权重压低复用已有特征扩展区域放开生成自由度。避免出现向外扩画之后原有画面物体被改写扩展区域风格完全跳变。3.4 分层扩散架构隐掩码 像素层双重融合三层扩散层协同处理接缝过渡编辑层负责扩展区域全新内容生成Alpha 遮罩层生成隐空间掩码控制原图区域与扩展区域过渡权重合成层统一全局光影、景深、材质完成特征融合输出。重点不只做像素层羽化隐空间 latent 层面先完成融合再解码输出画面解决单纯像素混合在动态视频下依旧闪烁的痛点。4 关键可调参数与工程落地经验Vera1.1 无限画布对外暴露可调控参数参数配置直接影响接缝伪影表现生产环境建议按业务场景选择模式。参数项取值区间业务说明mask_feather_radius 掩码羽化半径4‑14px8‑12px 接缝综合得分最优过小产生硬边界过大局部画面模糊latent_mask_scale 隐掩码约束强度0.4‑0.7过高抑制扩展区域创意过低原始画面容易被污染改写图层合成模式平衡 / 一致性优先 / 创意优先商用流水线优先选【一致性优先】创意优先适合概念探索接缝伪影会上升 7‑12 分单次最大画布延展步长≤原画布 35%步长过大时空注意力窗口来不及传播特征边界畸变概率指数上升工程经验总结批量短剧、短视频商用流水线优先一致性优先模式不要盲目追求创意优先不要单次把画布拉到最大分多轮小幅外扩给时空注意力留出特征传播窗口出现接缝闪烁优先调整掩码羽化、隐掩码强度而不是反复修改 prompt。5 团队协作、工程管理落地心得很多技术团队能力具备但落地 AI 视频生产依旧踩坑这里分享几点团队实践心得。模型能力与业务流程要解耦不要把修复接缝伪影全部压给模型。建立流水线Vera1.1 无限画布输出 → 接缝质量自动筛查PSNR、SSIM 指标→ 不合格样本回流重跑参数合格样本进入后期剪辑。把问题区分哪些是模型可优化哪些需要业务流程规避。参数模板化减少个体调参差异团队多人使用 API / 工作台每个人调参习惯不一样输出质量波动巨大。把不同业务场景短剧分镜、全景漫游、电商宽幅镜头固化参数模板新人直接复用降低试错成本。测试集沉淀持续迭代评估搭建内部测试集包含高风险 case人物落在画布边缘、镜头缓慢平移、大跨度外扩。每一轮模型版本迭代跑一遍测试集量化接缝瑕疵率不要只靠肉眼主观判断。算力与质量权衡滑动窗口越大时空连续性越好但显存与推理耗时上升。团队根据业务容忍度平衡窗口大小、单次外扩步长找到成本‑质量平衡点。6 FAQ 常见问题Q1Vera1.1 无限画布可以完全消除接缝伪影吗A可以大幅降低肉眼可见接缝瑕疵率但无法做到 100% 零伪影。当单次延展步长过大、高速剧烈运动、复杂多物体场景依然会出现少量边界瑕疵。建议分多轮小幅外扩配合一致性优先参数配置瑕疵率可压至 7% 以内阿里云开发...。Q2图片外扩效果很好同样配置视频依旧接缝闪烁为什么A图片仅空间维度视频叠加时序误差。即使单帧接缝修复完美帧与帧扩展区域微小差异连续播放就会闪烁。必须依靠时空注意力做跨帧特征对齐仅像素羽化解决不了视频时序闪烁。Q3接缝出现我优先改提示词还是调参数A优先调参数掩码羽化半径、隐掩码约束强度、合成模式、单次延展步长。绝大多数接缝问题不是 prompt 描述不足是分片特征融合与时序传播问题反复修改提示词会浪费算力。Q4私有化部署之后无限画布接缝效果会下降吗ASaaS、API、私有化底层双流 DiT、时空注意力架构保持一致效果差异来自推理硬件、分辨率、参数配置。私有化需要保障显存资源窗口注意力才能完整生效。Q5做长序列多次外扩误差会不会持续累积AVera1.1 设置全局实体锚点池做周期性特征校正抑制误差累积。但无限次持续外扩依然会缓慢漂移工程实践建议每若干轮选取关键帧重置锚点特征。