我們正常情況是在看高比（16:9或4:3）下觀看視頻，但是隨著越來越多的用戶在移動設備上創建和觀看視頻內容，視頻比例也逐漸多樣化，如果用傳統的方法裁剪視頻長寬比，往往很容易出錯，并且非常耗時。

前不久，谷歌開源了一個智能視頻裁剪框架——AutoFlip，該框架基于MediaPipe框架構建，你只要輸入你想要的視頻長寬比，AutoFlip 會分析視頻內容并提出一個優化路徑和裁剪策略，最后輸出你要的那段視頻，如下圖所示：

AutoFlip概述

AutoFlip通過使用最新支持ML的目標檢測和跟蹤技術智能處理視頻內容，AutoFlip會檢測表示場景變化的構圖變化，以便分離場景進行處理。在每個鏡頭中，視頻分析被用來識別突出的內容之前，場景被重新構造通過選擇一個相機模式和路徑優化的內容。

AutoFlip為智能視頻重組提供了一個全自動的解決方案，利用最先進的支持ML的對象檢測和跟蹤技術來智能地理解視頻內容。AutoFlip檢測合成中表示場景變化的變化，以便隔離場景進行處理。在每個鏡頭中，視頻分析用于通過選擇針對內容優化的相機模式和路徑，在重新構圖場景之前識別重要內容。

鏡頭檢測

場景或鏡頭是連續視頻序列，沒有剪切（或跳躍）。為了檢測鏡頭的變化，AutoFlip計算每個幀的色彩值，并將其與先前的幀進行比較。如果每幀色值分布變化，則會發出鏡頭改變的警告，AutoFlip會緩沖視頻，直到場景完成后再做重新構圖，從而對整個場景進行優化。

視頻內容分析

AutoFlip利用基于深度學習的對象檢測模型來發現視頻中有趣、突出的內容。這些內容通常包括人和動物，AutoFlip也可以識別其他元素，包括廣告的文本覆蓋和標識，或體育運動中的球檢測。

人臉和物體檢測模型被集成到AutoFlip through MediaPipe中，它在CPU上使用了TensorFlow Lite。這種結構使得AutoFlip可擴展，因此開發人員可以方便地為不同的示例和視頻內容添加新的檢測算法。每種對象類型都與一個權重值相關聯，該值定義了其相對重要性——權重越高，該特性的影響就越大。

通過AutoFlip，無論你是想要長寬比為16:9還是2.35:1還是1：1，更或者是5:4，都可以很快完成。

目前，AutoFlip已經在Github上已經標星5K，fork共882個（Github地址：https://github.com/google/mediapipe/blob/master/mediapipe/docs/autoflip.md）