互联网资讯 / 人工智能 · 2023年11月4日 0

在线抠图工具,简化使用体验

如今,人人都可以体验到全新的图像分割工具。

在线抠图工具,简化使用体验

我们来试试刚刚夺得欧冠的拜仁队。

在线抠图工具,简化使用体验

结果变成了这样。

在线抠图工具,简化使用体验

当然,也会有意外的情况,比如这头大象。

在线抠图工具,简化使用体验

分割后……嘿,它的另一只牙去哪了?

在线抠图工具,简化使用体验

还有,当手和猫同时出现时。

在线抠图工具,简化使用体验

呈现的效果就……有点奇怪。

在线抠图工具,简化使用体验

这款新应用叫做ObjectCut,自在ReddIT发布后,12小时内便获得了700+的热度。

在线抠图工具,简化使用体验

许多网友纷纷称赞:IT’s aMazing!

在线抠图工具,简化使用体验
简单三步,人人都能操作

以这头大象为例,使用过程非常简单。

在线抠图工具,简化使用体验

第二步,将网址粘贴到指定位置,然后点击“test Endpoint”。

在线抠图工具,简化使用体验

等待几秒后,点击生成的网址,操作完成!

在线抠图工具,简化使用体验

最终变成了一头少了一颗牙的大象。

在线抠图工具,简化使用体验
还是那个北大校友的研究

你是否觉得这项技术很眼熟?轻松几步就能移除图片背景。

这与之前的AR应用AR Cut & Paste相似——将现实物体“复制粘贴”到电脑中。

在线抠图工具,简化使用体验

这两项应用的核心技术都是BASNet,这是一种显著目标检测的方法。

在线抠图工具,简化使用体验

这篇研究曾入围CVPR 2019,第一作者是华人学者秦雪彬,他已于今年2月在加拿大阿尔伯塔大学获得博士学位,硕士时就读于北京大学。

在线抠图工具,简化使用体验

BASNet的核心框架如图所示,由两个模块组成:

在线抠图工具,简化使用体验

第一个模块是预测模块,类似于U-Net的密集监督的Encoder-Decoder网络,主要作用是从输入图像中学习预测显著性图。

第二个模块是多尺度残差细化模块(RRM),其功能是通过学习残差来细化预测模块生成的显著性图,与ground truth之间的残差进行比对,从而进一步完善预测结果。

除了BASNet,还有网友推荐了U2-Net,这也是同一作者的作品,效果更佳。

在线抠图工具,简化使用体验

其研究论文为《U2-Net: Going DeepeR wITh Nested U-structure foR Salient Object Detection》。

在线抠图工具,简化使用体验

实验结果如下:

在线抠图工具,简化使用体验

同样的技术,不同的应用,你觉得这个方法还可以创造什么有趣的用途呢?