故意改动编码数据产生运动伪影和色彩拖尾——利用压缩算法的故障效果。独特的数字美学。
你正在处理压缩的视频数据，突然发现：运动在多个帧之间模糊，颜色在块状区域内扩散，单个图像元素复制或几何扭曲。这不是摄像机故障——这是数据损坏（Datamoshing），而且你可以有意识地控制它。
数据损坏（Datamoshing）发生在操纵压缩视频的内部参考帧时。H.264 或 ProRes 等编解码器格式并不存储每个完整的帧——它们存储所谓的 I 帧（关键帧），并从中派生出仅包含运动矢量和差值的 P 帧和 B 帧。当你扰乱这种结构时——例如，通过组合来自不同序列的 P 帧或删除 I 帧——就会产生可见的伪影：运动数据被应用于完全错误的区域，颜色信息跨越对象边界扩散。
这当然不会在拍摄现场发生。你会在后期制作中有意地生成数据损坏（Datamoshing）——要么通过 Avidemux 等专用工具，要么直接在原始数据级别编辑视频文件。有些人使用 Python 或类似的自定义脚本。这种效果在运动剧烈或快速剪辑时尤其明显，因为此时编解码器的错误最为显眼。
在实践中，你需要两样东西：首先是未压缩或最小程度压缩的原始素材——比特率越高，结果越可控。其次：耐心。对编解码器数据的任何更改都需要重新编码，并非所有操作都能达到预期的效果——很多是反复试验。
美学本身：超出画面边界的运动轨迹，块状的颜色区域，主题的复制。这看起来故意数字化、故障化，几乎像是损坏或过时的文件。有些导演将其用于梦境序列或心理上的迷失方向。其他人则将其作为音乐视频或实验作品中的视觉主题。这种效果有其自身的表现——它不是运动模糊，不是跟踪错误，而是某种真正不同的东西。
重要提示：数据损坏（Datamoshing）在较旧、不太复杂的编解码器上效果更好。现代的 10 位素材可能导致不可控的结果。而且这种风格不再是潮流——使用它的人应该有叙事上的理由，而不仅仅是对 2010 年 YouTube 伪影的怀旧。