如何更順滑的添加水?。?/p>
谷歌的這項(xiàng)新技術(shù)，讓文本簡直就像貼在地面上，哪怕是在沙塵橫飛的場景里。
方法也很簡單。
只需輸入一段視頻，和指定對(duì)象的粗略蒙版。
那這個(gè)對(duì)象的所有相關(guān)場景元素，都能解鎖！
比如人和狗的影子。
還有黑天鵝緩緩拂過的漣漪~
以及上述那個(gè)賽車疾馳過后激起的沙塵。
不管是任意對(duì)象和主體，不論怎么移動(dòng)，所有元素都能摳出來。
這就是谷歌最新的視頻分層技術(shù) ——omnimatte，入選 CVPR 2021 Oral。
目前這項(xiàng)技術(shù)已開源。
如何實(shí)現(xiàn)
計(jì)算機(jī)視覺在分割圖像或視頻中的對(duì)象方面越來越有效，然而與對(duì)象相關(guān)的場景效果。
比如陰影、反射、產(chǎn)生的煙霧等場景效果常常被忽略。
而識(shí)別這些場景效果，對(duì)提高 AI 的視覺理解很重要，那谷歌這項(xiàng)新技術(shù)又是如何實(shí)現(xiàn)的呢？
簡單來說，用分層神經(jīng)網(wǎng)絡(luò)渲染方法自監(jiān)督訓(xùn)練 CNN，來將主體與背景圖像分割開來。
由于 CNN 的特有結(jié)構(gòu)，會(huì)有傾向性地學(xué)習(xí)圖像效果之間的相關(guān)性，且相關(guān)性越強(qiáng)，CNN 越容易學(xué)習(xí)。
輸入一段有移動(dòng)物體的視頻，以及一個(gè)或者多個(gè)標(biāo)記主體的粗略分割蒙版。
首先，使用現(xiàn)成的分割網(wǎng)絡(luò)比如 Mask RCNN，來講這些主體分成多個(gè)遮罩層和背景噪聲圖層，并按照某種規(guī)則進(jìn)行排序。
比如，在一個(gè)騎手、一輛自行車以及幾個(gè)路人的場景中，就會(huì)把騎手和自行車歸入一個(gè)層，把人群歸入第二層。
omnimatte 模型是一個(gè)二維 UNet，逐幀處理視頻。每一幀都用現(xiàn)成的技術(shù)來計(jì)算物體掩碼，來標(biāo)記運(yùn)動(dòng)中的主體，并尋找和關(guān)聯(lián)蒙版中未捕捉到的效果，比如陰影、反射或者煙霧，重建輸入幀。
為了保證其他靜止的背景元素不被捕獲，研究人員引入了稀疏損失。
此外，還計(jì)算了視頻中每一幀和連續(xù)幀之間的密集光流場，為網(wǎng)絡(luò)提供與該層對(duì)象相關(guān)的流信息。
最終生成 Alpha 圖像（不透明度圖）和 RGBA 彩色圖像，尤其 RGBA 圖像，簡直可以說是視頻/圖像剪輯法寶！
目前這一技術(shù)已經(jīng)開源，配置環(huán)境如下：
Linux
Python 3.6+
英偉達(dá) GPU + CUDA CuDNN
有什么用途
技術(shù)效果如此，那有什么樣的用途呢？
首先就可以復(fù)制或者刪除圖像。
還有順滑地切換背景。
還可以實(shí)現(xiàn)這一經(jīng)典操作，讓原本依次掉水的小孩一起入水~
背后的團(tuán)隊(duì)
最后再來說一下背后的團(tuán)隊(duì)。
這項(xiàng)研究由谷歌研究院、牛津大學(xué)以及魏茨曼科學(xué)研究所共同完成。
其中，論文一作是牛津大學(xué)四年級(jí)博士生 Erika Lu，曾是谷歌實(shí)習(xí)生，在麻省理工學(xué)院獲得了計(jì)算機(jī)科學(xué)與工程學(xué)士學(xué)位。
論文鏈接：
https://arxiv.org/pdf/2105.06993.pdf
廣告聲明：文內(nèi)含有的對(duì)外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。