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

就拿今日凌晨夺得欧冠冠军的拜仁试了试

杨净 发自 凹非寺

量子位 报道 | 公众号 QbitAI

现在人人可试可玩的图像分割来了。

在线API，只需输入图片网址，即可自动删除目标背景。

就拿今天凌晨刚夺得欧冠冠军的拜仁来试试手～

然后就变成了这样。

不过，也有翻车的时候，就像这头大象。

分割之后…诶，它的另一只牙去哪了？

以及，在同时有手和猫的时候。

它呈现的结果就……有点怪异。

这项新应用名叫ObjectCut，在Reddit上一经发布，12小时就获得 700+ 的热度。

不少网友表示：It’s amazing！

简单三步，人人可试可玩

就以上面那头大象为例，使用步骤非常简单。

首先，任意选择一张图片，复制图片地址。

第二步，网站上将地址粘贴到指定位置，然后点击Test Endpoint。

等待几秒之后，点击旁边生成的网址，就大功告成啦！

然后就变成了这样一头少了一颗牙的大象。

还是那个北大校友的研究

是不是觉得这项技术很熟悉，简单几步就可以去移除图片背景？

跟之前的AR应用AR Cut & Paste——将现实物体隔空「复制粘贴」进电脑有异曲同工之妙。

这两项应用背后的主要技术，都是一个叫做BASNet的显著目标检测方法。

这篇研究入围了CVPR 2019，其论文一作是位华人小哥哥——秦雪彬，已经于今年2月在在加拿大阿尔伯塔大学拿到了博士学位，硕士就读于北京大学。

BASNet的核心框架如下图所示，主要由2个模块组成：

第一个模块是 预测模块 ，这是一个类似于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saliency map。

第二个模块是多尺度残差细化模块(RRM)，主要功能是通过学习残差来细化预测模块得到的Saliency map，与groun-truth之间的残差，从而细化出预测模块的Saliency map。

而除了 BASNet ，还有网友推荐了 U2-Net ，依然来自同一个作者，其效果更好。

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

实验结果像这样：

同一项技术，不一样的玩法，你觉得这个方法还可以做什么有趣的应用？

另外，想要去试试这个在线图像分割应用，可戳下方链接哦～

网址：

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

参考链接：

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

版权所有，未经授权不得以任何形式转载及使用，违者必究。