楊凈發自凹非寺

　　現在人人可試可玩的圖像分割來了。

　　在線 API，只需輸入圖片網址，即可自動刪除目標背景。

　　就拿今天凌晨剛奪得歐冠冠軍的拜仁來試試手～

　　然后就變成了這樣。

　　不過，也有翻車的時候，就像這頭大象。

　　分割之后…誒，它的另一只牙去哪了？

　　以及，在同時有手和貓的時候。

　　它呈現的結果就……有點怪異。

　　這項新應用名叫 ObjectCut，在 Reddit 上一經發布，12 小時就獲得700+的熱度。

　　不少網友表示：It’s amazing！

　　簡單三步，人人可試可玩

　　就以上面那頭大象為例，使用步驟非常簡單。

　　首先，任意選擇一張圖片，復制圖片地址。

　　第二步，網站上將地址粘貼到指定位置，然后點擊 Test Endpoint。

　　等待幾秒之后，點擊旁邊生成的網址，就大功告成啦！

　　然后就變成了這樣一頭少了一顆牙的大象。

　　還是那個北大校友的研究

　　是不是覺得這項技術很熟悉，簡單幾步就可以去移除圖片背景？

　　跟之前的 AR 應用 AR Cut & Paste——有異曲同工之妙。

　　這兩項應用背后的主要技術，都是一個叫做 BASNet 的顯著目標檢測方法。

　　這篇研究入圍了 CVPR 2019，其論文一作是位華人小哥哥——秦雪彬，已經于今年 2 月在在加拿大阿爾伯塔大學拿到了博士學位，碩士就讀于北京大學。

　　BASNet 的核心框架如下圖所示，主要由 2 個模塊組成：

　　第一個模塊是預測模塊，這是一個類似于U-Net 的密集監督的 Encoder-Decoder 網絡，主要功能是從輸入圖像中學習預測 saliency map。

　　第二個模塊是多尺度殘差細化模塊(RRM)，主要功能是通過學習殘差來細化預測模塊得到的 Saliency map，與 groun-truth 之間的殘差，從而細化出預測模塊的 Saliency map。

　　而除了BASNet，還有網友推薦了U2-Net，依然來自同一個作者，其效果更好。

　　其研究是《U2 -Net: Going Deeper with Nested U-Structure for Salient Object Detection》

　　實驗結果像這樣：

　　同一項技術，不一樣的玩法，你覺得這個方法還可以做什么有趣的應用？

　　另外，想要去試試這個在線圖像分割應用，可戳下方鏈接哦～

　　網址：

• https://rapidapi.com/objectcut.api/api/background-removal

　　參考鏈接：

• https://www.reddit.com/r/MachineLearning/comments/if1sdg/p_objectcut_api_that_removes_automatically_image/

總結

以上是生活随笔為你收集整理的人人可用的在线抠图，还是AI自动化的那种！北大校友的算法被玩出新高度的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。