视频处理方法及系统、模型的训练方法及系统

本说明书提供一种视频处理方法及系统、模型的训练方法及系统。视频处理方法包括：基于原始视频生成视频特征，原始视频包括展示有原始对象的多个视频帧。获得原始视频对应的替换要求信息，并基于替换要求信息生成条件特征，替换要求信息表征将原始视频中的原始对象替换为目标对象。将视频特征和条件特征输入至预先训练好的目标模型，以通过目标模型生成目标视频，目标视频是将原始视频中的原始对象替换为目标对象得到的视频。其中，可以通过模型的训练方法，将目标模型训练为采用全3D注意力机制从视频特征中捕捉时空依赖关系，并以时空依赖关系和条件特征作为约束生成目标视频。