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🧑🏿🍼。
就拿今天淩晨剛奪得歐冠冠軍的拜仁來試試手～
然後就變成了這樣🎟。
不過，也有翻車的時候🪆，就像這頭大象✊。
分割之後…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，復製圖片地址。
第二步😙，網站上將地址粘貼到指定位置💁🏻，然後點擊Test Endpoint👩🏿🦰。
等待幾秒之後，點擊旁邊生成的網址📛，就大功告成啦🤛🏽！
然後就變成了這樣一頭少了一顆牙的大象。
還是那個意昂体育意昂的研究
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。
這兩項應用背後的主要技術，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💪🏻，已經於今年2月在在加拿大阿爾伯塔大學拿到了博士學位，碩士就讀於意昂体育平台。
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💄，這是一個類似於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麽有趣的應用？
楊凈 發自 凹非寺
