SOTA级发丝抠图模型PP-Matting重磅开源，支持多场景精细化分割！

图1 Matting效果展示

这绝对不是画饼，近期一项被称为Matting的算法可算是火爆了AI界，相比于单纯的图像分割技术，它可以根据透明度更进一步的对图像的像素进行分类（如下图），不仅图像中的主体目标被精准抠出，连超精细的毛绒边缘和透明玻璃杯都可以完美抠出！传统的图像分割抠图策略是完全不可达到的，懂行的人看到这里是不是已经激动地汗毛直立了/p>

图3 PP-Matting 算法精度说明

PP-Matting已经被开发者们广泛应用在各种场景中，如有爱的萌宠开发者小伙伴们已经实现了”猫像抠图”，给自己可爱的小猫咪DIY了各种酷炫写真。

图5 Web端Matting示例

当然，看到这么好的技术，硬核的小伙伴会关注技术上的实现。一般来说，基于深度学习的Matting分为两大类：

• 一种是基于辅助信息输入。即除了原图和标注图像外，还需要输入其他的信息辅助预测，如Trimap、背景、交互点等作为辅助信息。

• 一种是不依赖任何辅助信息，直接实现Alpha预测。

图7 PP-Matting原理示意图

正是由于这一系列的设计，最终让PP-Mattig在不依靠其他输入的情况下，依旧获得了更高精度的预测结果。

欢迎感兴趣的小伙伴们

扫码加入技术交流群

一起体验Matting的技术魅力

获取更多技术内容~

文章知识点与官方知识档案匹配，可进一步学习相关知识Java技能树首页概览92165 人正在系统学习中