视频修复是计算机视觉领域中近几年来热门的研究课题,在视频直播、短视频制作、自动化视频剪辑等领域有众多落地应用场景。得益于深度学习技术在计算机视觉领域中的蓬勃发展,视频修复技术也取得了长足的进步。然而,当前的视频修复算法框架都默认用户已经有了前置的视频目标分割结果,造成了算法在面向用户的时候交互不够友好,也导致了落地应用的局限性。另一方面,前置视频目标分割算法的好坏也对视频修复任务的效果有着明显的影响。本文基于视频中的时空信息,对现有的视频修复方法进行了改进,主要包括两个方面:（1）本文提出了一个全新的端到端的基于卷积神经网络的交互式视频修复算法框架,通过共享时空记忆模块将视频目标分割和视频修复任务统一到了一个算法框架中,同时第一次将交互式的操作引入到视频修复任务中。用户只需要在视频中的任意一帧上给出一些涂鸦,算法就可以给出整个视频的分割结果和修复结果,极大地增强了视频修复任务的可玩性和实用性。（2）本文对视频修复任务的前置视频目标算法进行了改进,提出了一种基于空间先验约束模块和对抗训练数据策略的视频目标分割方法。目前流行的全局匹配机制很容易错误地匹配到多个与当前目标外观相似的干扰目标,这种匹配方式存在明显的局限性。空间先验约束模块根据上一帧的预测结果生成一个高斯核空间响应图,保证空间连续性的同时也抑制了非最优匹配位置的特征响应。对抗训练策略模拟了模型推理过程中的误差,对训练过程中的预测结果人为地加入噪声,降低了模型对历史帧的依赖性,有效地增强了模型的稳定性。综上,本文从交互模式以及前置分割算法的角度分别对现有的视频修复方法进行的改进,提出的全新的交互式视频修复算法框架可以同时完成视频目标分割任务以及视频修复任务,且在多个数据集上取得了具有竞争力的结果。