赣州新闻网

首页 / 科技

当达摩院大牛们用视觉AI能力来抠图,这一切都不受控制了……

2020-02-11 · 赣州新闻网 · 科技

从达摩院宣布成立起,这个阿里的“神秘机构”就备受外界关注。造福人类,世界第一,高端,神秘……这些标签也让我们对达摩院的技术专家产生了好奇。

在外界人眼中,达摩院人才济济,大多是奇人异士,做着神秘且高端的研究。不曾想,这群有如扫地僧一般的神秘专家们竟然做了一个百宝箱——阿里云视觉智能开放平台(vision.aliyun.com),将研究出来的各种人脸识别,图像识别等视觉AI能力都开放了出来!打开百宝箱可以看到他们已经做了人脸识别,文字识别,商品理解,内容安全,图像识别,图像增强,W 7 C y G ] $ N图像分割,c 6 d R ! z n 目标检测等50余种视觉AI能力,全都可以通过API的形式调用!就拿其中一项来说你会发现大牛们用图像分割的视觉AI能力,把抠图玩转得炉火纯青,而且这一切都朝着不受控制的方向发展了......

你看看,万物皆可抠!

当达摩院大牛们用视觉AI能力来抠图,这一切都不受控制了……

部分图{ j d片来源淘宝商品图


达摩院大牛们为什么要开始研究抠图?

这要从阿里巴巴智能设计实验室自主研发Q f #的一款设计产品鹿班说起。鹿班的初衷是改变传统的设计模式,使商家在短时间内完成大量banner图、海报图和会场图的设计,提高g / ~工作效率。-并且通过鹿班制图可以-、传达高质视觉效果,从而提升商品吸引力和买家视觉体验,达到提升商品转化率的目的。而在制图的过程中,-商品抠图是一项不可避免且繁琐的工作,一张人像精细抠图平均需要耗费设计师2h以上的时间,这样无需创意的纯体力工作亟需被AI所取代,所以抠图算法应运而生。近几年图像抠图算法逐渐进入人们的视野,如腾讯(天天P图)、百度(人像抠图、汽车分割)等。而潜藏在其背后的行业:泛文娱,电商行业、垂直行业,诸如在线餐饮、媒体、教育等行业商业价值不容小觑,可以满足各种战报、在线课程教师抠图、视频封面制作等不同形式的图片制作需求拓展。市面上的一些抠图算法效果在人像发丝细节处理均不是很好,且对一些通用场景(电商等)支c B / ^ Q T持也不是很好。达摩院大牛们针对这两个问题一方面设计* p o更具有泛化能力的系统、一方面深化发丝和高度镂空相关算法,均有更好的效果。


遇到的难题和解决方案

最开始在上手鹿班“批量抠图”需求时,达摩院大牛们发现用户上传的图像质量、来源、内容五花八门,想用一个模型实现业务效果达到一劳永逸很难。n ) | P G,协助进行过暗、过曝等判断。

  • 检测模型:主要@ Y D ( 5 ; c增加对尺度变化的鲁棒性,提升小尺度区域召回;3、X t ^ h . Y Z m对候选anchor的设定增加一些可预见的scale,在商品尺寸比例比较极端的情况下大幅提升普适性;
  • 分割融合模型:参考论文http://openaccess.thecvf` P V G +.com/content_CVPR_2019/html/Zhang_A_Late_Fusion_CNN_for_Digital_Matting_CVPR_2019_paper.html
    与传统的只需要分别前景、背景的图像分割(segmentation)问题不同,高精度抠图算法需要求出某一像素具体的透明度是. c ^ ~ o +多少,将一个离散0 ? # R R i S k O的0-1分类问题变成之间的回归问题。c K Q
  • 在我们的工作中,针对图像中某一个像素p,我们使用这样一个式子k ; A z t b来P I x t | _ ?进行透明度预测:

    _p=_p F _p+(1-_p ) 〖(1-B 〗_p)

    其中F _p和B _p分别代表了这个像素属于前景和背景的概率,_p是混合权重。我们的网络可整体分为两部分,分割网络和融合网络,如下图:

    当达摩院大牛们用视觉AI能力来抠图,这一切都不受控制了……

    分割网络:我们使用了在图像分割任务中常用的编-解码器结构作为我们的基础结构,但与传统结构不同,我们的网络中使用了双解码器分别来预测前、背景概率F _p 〖和B 〗_p。如果像素p在图像的实心区域(透明度为0或1),我们预{ $ j 9 ] v j F测像素透# O 1 4 3 w n明度的真实值;如果p在图像的半透明区域(透明度值在0到1之间),我们预测像素透明度真实值的上下界。通过在半透明区域使用_ * X g X加权的交叉熵损失函数,使F _p 〖和B 〗_p的值相应升高,即可将透明度的真实值“包裹”在〖这一区间中。o i ; ; O

    当达摩院大牛们用视觉AI能力来抠图,这一切都不受控制了……


    右图中红色部分即是被前背景概率包住的像素


    融合网络:由数个连续卷积层j o $ n构成,它负责预测混合权重_p。注意,在图像B , # T的实心区域,像素的a 5 y N $ A [前背景预测往往容易满足F _p 〖+B 〗_p=1这一条件,此时_p对_p求导恒为0,这一良好性质令融合网络在训练时可以自动“聚焦”于半透明区域。“


    结语:

    你看,经过达摩院大牛们的深耕细作,抠图这么一件复杂的事儿,就轻轻松松的解决了。除抠图之外,其他视觉AI能力都沉淀在W 5 % ?阿里云视觉智能开放平台(visio. Y o k - | Hn.aliyun.com)上,其中也不乏像支付宝,天猫,淘宝这样的巨星级应用的精品视觉AI能力。技术与应用相互作用,最后沉淀更替,集合在这一小小宝箱中。

    为了让这些视觉AI能力更多得到应用,创造生活中更多的”小确幸“阿里云视觉智能开放平台&阿里云异构计算&阿里云开放平台 &NVIDIA联合举办第二届AI挑战赛。你也可~ I I H A L以免费试用这项技术随意进行开发。参赛获胜者有机会r 8 $ _ d x q加入m x ? O V H阿里O O M X L ~ N T云D +与NVIDIA企业加速计划、并获得大疆无人机等丰厚奖品。进入企业加速计划的获胜者或免费入驻阿里云创新中心并享受- T u = 1 Z , g Y相关创业资源、与投资X l : 8 A {人面对面交流、进入NVIDIA初创企业扶持计划。

    查看更多:https://yq.ah G E Rliyun.com/articles/743861?utm_content=g_1000103371

    上云就看云栖号:更多云资讯,上云案例,最佳实践,产Y [ ( k d品入门,访问:https://yqh.aliyun.com/

    投资摄影汽车企业发展能力寻乌控制都不