Task_15 背景替换 · A2 样品
背景给定式：输入 = 原视频 + 一张新背景 → 输出 = 主体贴上去
按 Winnie 拍板的 A2 方向重做：新背景直接作为第二个输入给模型(不再靠文字脑补)，背景素材换成真实场景库 Places365。3 条真实样本，含完整 5 文件盒子结构。未批量、未入 final_v1。
1A2 是什么：新背景「直接给」，不是「用文字描述」
上一版(A)是：给原视频 + 一句话说"换成湖边"，模型自己脑补湖边长啥样。
这一版(A2)是：给原视频 + 直接塞一张背景图，模型只要把主体抠出来贴上去。→ 任务明确、答案干净。
2一个样本盒子里装什么（两个输入,都自带）
sample_00/ ├── input.mp4 ← 输入1：原视频(主体 + 老背景) ├── condition_bg.jpg ← 输入2：给定的新背景 ← 图打进盒子里，不靠外部路径 ├── target.mp4 ← 答案：主体保留、背景已换 ├── prompt.txt ← 文字说明 └── metadata.json ← 记录两个输入 + 两边出处(DAVIS 序列 / Places365 文件+原始地址)
你提的 reference 也留了：metadata.background_source.origin 里记着背景的原始下载地址，
好溯源；但真图仍自带在盒子里，所以不会因为外部文件夹搬家而断链。
| 字段 | 值(样本 0) |
|---|---|
| method | A2_background_given |
| inputs | source_video(input.mp4) + condition_background(condition_bg.jpg) |
| subject_source | DAVIS-2017 / blackswan / ground-truth 逐帧分割 |
| background_source | Places365 / Places365_val_00006382.jpg / +origin 地址 |
| composite | target = subject*mask + bg*(1-mask)，feather 0.8px，背景静止 |
3三条真实样本
样本 0 · blackswan 黑天鹅 → 新背景「湖边/河面」 48 帧 · 640x360
↑ 模型看输入1 的主体和输入2 那张背景，输出「主体原样保留、背景换成输入2」。主体掩码来自 DAVIS 真值；背景来自 Places365 Places365_val_00006382.jpg。
prompt.txt：把画面主体（blackswan）身后的背景替换成给定的背景图 condition_bg.jpg（湖边/河面），主体的形状、位置、动作逐帧保持不变。
样本 1 · dog 金毛 → 新背景「树林小径」 48 帧 · 640x360
↑ 模型看输入1 的主体和输入2 那张背景，输出「主体原样保留、背景换成输入2」。主体掩码来自 DAVIS 真值；背景来自 Places365 Places365_val_00015062.jpg。
prompt.txt：把画面主体（dog）身后的背景替换成给定的背景图 condition_bg.jpg（树林小径），主体的形状、位置、动作逐帧保持不变。
样本 2 · camel 骆驼 → 新背景「干旱山坡」 48 帧 · 640x360
↑ 模型看输入1 的主体和输入2 那张背景，输出「主体原样保留、背景换成输入2」。主体掩码来自 DAVIS 真值；背景来自 Places365 Places365_val_00018645.jpg。
prompt.txt：把画面主体（camel）身后的背景替换成给定的背景图 condition_bg.jpg（干旱山坡），主体的形状、位置、动作逐帧保持不变。
4还没定的两件小事
- 背景静止 vs 会动：现在新背景是一张定住的图。要不要改成会动的背景视频(更真、但更难对齐)？
- 样本量：Places365 有 365 类场景、36,500 张 val 图,背景素材管够。DAVIS 90 段 × 每段配 K 张背景 = 90×K； K=112 即可到 ~10,080。要再多可接 YouTube-VOS(gated)加主体段数。
winnie-task15-a2(us-east-2,用后已 terminate)合成。未入 final_v1,待你确认。