Netflix 开发了一套自动化的多比例视频裁剪系统，以高效为其移动应用和营销活动创建垂直视频素材。该系统取代了以往不可扩展的手动重新构图流程，以应对视频内容增长带来的挑战。该方法将视频缩放视为一个跟踪与时序优化问题，分三个阶段处理素材：首先将视频分割为镜头，随后利用主动说话人检测进一步将镜头拆分为子镜头，以更精准地跟随对话进程。系统通过结合人脸检测与视觉显著性图，在每一帧中识别关注区域。它依据主动说话人状态、相对大小等因素对人脸进行优先级排序，从而确定主要主体。最后，应用时序重新构图以确保摄像机运动平滑：微小的关注区域位移生成静态裁剪，而显著的运动则触发平滑的动态跟踪窗口。该缩放算法已集成至 Netflix 内部工具 Clips，使编辑人员能够生成并调整多种宽高比。对外使用时，缩放参数可导出为 XML 格式，以便集成到 Adobe Premiere 等编辑软件中。测试表明，该自动化系统优于 Premiere 的自动重新构图功能。该流程显著减少了制作时间和人工投入，同时保留了创作控制权。这一进展是 Netflix 持续扩大内容创作规模而不牺牲创作意图的一部分。其目标是释放创意人员的时间，并提升观看体验。