当前位置: 首页 > 科技观察

人人可用的在线抠图,AI自动化的那种!北大校友把算法玩出新高度

时间:2023-03-19 22:31:15 科技观察

本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。现在大家可以尝试玩转图像分割了。在线API,只需输入图片的网址,即可自动删除目标背景。就拿今天早上刚刚拿到欧冠冠军的拜仁去试试看~然后就变成了这个样子。不过,也有翻车的时候,就像这头大象。劈开之后……呃,另外一颗牙去哪了?而且,当同时有手和猫的时候。它呈现的结果只是……有点奇怪。这款新应用名为ObjectCut,在Reddit上发布后,在12小时内获得了700多个人气。不少网友表示:太神奇了!三个简单的步骤,每个人都可以尝试玩。以上面的大象为例,步骤很简单。首先,任意选择一张图片,复制图片地址。第二步,将地址粘贴到网站指定位置,然后点击测试端点。等待几秒后,点击旁边生成的网址,大功告成!然后就变成了这样一头缺了一颗牙的大象。还是北大校友觉得这个技术很眼熟,简单几步就能去除图片背景?它类似于之前的AR应用程序ARCut&Paste——将真实物体“复制并粘贴”到电脑中。这两个应用程序背后的主要技术是一种称为BASNet的显着物体检测方法。该研究入围CVPR2019。论文第一作者为华人师兄秦学斌,今年2月在加拿大阿尔伯塔大学获得博士学位,在北京大学获得硕士学位。BASNet的核心框架如下图所示。它主要由2个模块组成:第一个模块是预测模块,是一个类似于U-Net的密集监督的Encoder-Decoder网络。主要功能是从输入图像中学习预测。显着图。第二个模块是多尺度残差细化模块(RRM)。主要作用是通过学习残差,对预测模块得到的Saliencymap进行细化,以及groun-truth之间的残差,从而对预测模块进行细化。显着性图。除了BASNet,还有网友推荐U2-Net,还是同一作者的,效果更好。它的研究是《U2 -Net: Going Deeper with Nested U-Structure for Salient Object Detection》,实验结果是这样的:同样的技术,不同的玩法,你觉得这个方法还能有哪些有趣的应用呢?另外,如果你想试用这个在线图像分割应用,可以点击下面的链接哦~网址:https://rapidapi.com/objectcut.api/api/background-removal