Пользователь задает базовые параметры, такие как желаемое соотношение сторон, а алгоритм самостоятельно определяет наиболее важные объекты в кадре и обрезает видео так, чтобы они оставались на новом видео.
Раньше почти все оборудование для съемки и просмотра имело ширину кадра большую, чем высоту. Поэтому фильмы и ролики почти всегда снимались в горизонтальном формате. Но из-за массового распространения смартфонов и социальных сетей существенная часть видео теперь имеет вертикальный формат.
В начале работы пользователь представляет алгоритму исходное видео и соотношение сторон для конечного видео, а также может указывать, стоит ли хранить все объекты в кадре. После этого алгоритм размещает на исходном видео различные сцены с помощью гистограммы насыщенности: если гистограмма между кадрами резко изменилась, скорее всего возникла смена сцены.