VOID: Eliminación de objetos e interacciones en video con arquitectura CogVideoX 5B de Netflix

VOID (Video Object and Interaction Deletion) de Netflix elimina objetos de videos junto con todas las interacciones que inducen en la escena — no solo efectos secundarios como sombras y reflejos, sino interacciones físicas como objetos que caen al eliminar una persona. Construido sobre CogVideoX-Fun-V1.5-5b-InP, utiliza una novedosa codificación de quadmask (máscara de 4 valores que codifica objeto principal, superposición, regiones afectadas y fondo). Cuenta con una arquitectura de dos pasos con refinamiento mediante flujo óptico warp para consistencia temporal.