實現方式有以下幾種可能：
1. 服務器端處理
通過服務器端對上傳的視頻進行分析處理，并將遮罩數據和視頻一起保存，觀看時下發給客戶端
2. 客戶端實時處理
應該不會把識別的工作量交給客戶端，影響客戶端耗電量
分析
https://www.bilibili.com/video/av32027812?from=search&seid=437509213727573140
這個視頻說明遮罩的時候點選了另一個視頻，用手機和電腦看完去是兩種效果。
https://www.bilibili.com/video/av31056508?from=search&seid=563595165493288075
猜有可能視頻的遮擋是實時進行的。另外并不只是頭部被識別，很多運動功能的區域都被識別出來。
官方回答
一位 UP 主在科技區中投稿了個評測視頻，我們在視頻中發現其中“手機”這個元素在視頻的 50% 以上時長都出現了，那么我們就可以認為手機應該也是視頻主體內容的一部分。生成蒙版時自然就可以起到同樣的效果。”
https://www.bilibili.com/read/cv534194
https://blog.csdn.net/tMb8Z9Vdm66wH68VX1/article/details/81295289
機器學習
不斷的機器學習識別，各種東西的圖像都可以很好的被識別出來。
