Dies ist ein von der Carnegie Mellon University entwickeltes Modell zur Segmentierung nicht sichtbarer Objekte und Inhaltsauffüllung in Videos. Das Modell nutzt die Grundkenntnisse von Videogenerierungsmodellen in Form einer bedingten Generierungsaufgabe, um sichtbare Objektfolgen im Video zu verarbeiten und sowohl sichtbare als auch unsichtbare Objektmasken und RGB-Inhalte zu generieren. Zu den Hauptvorteilen dieser Technologie gehören die Fähigkeit, stark verdeckte Szenarien zu verarbeiten und verformte Objekte effektiv zu handhaben. Darüber hinaus übertrifft das Modell bestehende, hochmoderne Methoden in mehreren Datensätzen, insbesondere bei der Segmentierung unsichtbarer Objekte in verdeckten Bereichen, mit einer Leistungssteigerung von bis zu 13%.