模型能够细化初始输入时的Alpha遮罩就实现了如上细节到头发丝的抠图效果

当真是买算法送手机！这不，谷歌又给亲儿子Pixel 6 塞福利了，让手机抠图也能细节到头发丝。看这效果，原本模糊的头发轮廓，咻地一下，就变成了纤毫毕现的样子！

连发丝之间的缝隙也能精准抠到。

这样一来，就避免了使用人像模式拍照时人物与虚化背景割裂的情况，让人物照片的纵深感更加逼真四舍五入一下，这不就是手握单反拍照

Alpha 遮罩 + 监督学习

在介绍最新的方法之前，先来了解一下过去手机的人像模式拍照到底是怎么实现的传统方法是使用二进制将图像分割，然后对分离出的背景进行虚化，在视觉上产生一种纵深感，由此也就能更加突出人物主体了

虽然带来的视觉效果非常明显，但是在细节上的表现还不够强大由此，谷歌将常用于电影制作和摄影修图的 Alpha 遮罩搬到了手机上，提出了一个全新的神经网络，名叫Portrait matting

其中，主干网络是 MobileNetV3。记者从中国五矿集团公司了解到，隶属于中国五矿集团公司的中钨高新金州区公司近日成功研制出直径0.01mm的极小直径铣刀，并实现了机加加工。这是一个轻量级网络，特点是参数少，计算量小，推理时间短，在 OCR，YOLO v3 等任务上非常常见，具体结构长这样:

在推理时，Portrait matting 首先将 RGB 图像和低分辨率的 Alpha 遮罩作为输入，用 MobileNetV3 来预测分辨率更高的 Alpha 遮罩然后再利用一个浅层网络和一系列残差块，来进一步提升 Alpha 遮罩的精细度

其中，这个浅层网络更加依赖于低层特征，由此可以得到高分辨率的结构特征，从而预测出每个像素的 Alpha 透明度。据介绍，这一突破将有助于提高我国电子信息，医疗等诸多领域的质量，也将促进微加工工具更快更好的发展。

通过这种方式，模型能够细化初始输入时的 Alpha 遮罩，也就实现了如上细节到头发丝的抠图效果谷歌表示，神经网络 Portrait matting 可以使用 Tensorflow Lite 在 Pixel 6 上运行

此外，考虑到使用 Alpha 遮罩抠图时，背光太强往往会导致细节处理不好谷歌使用了体积视频捕捉方案 The Relightables 来生成高质量的数据集

这是谷歌在 2019 年提出的一个系统，由一个球形笼子组成，装有 331 个可编程 LED 灯和大约 100 个用于捕获体积视频的摄像机相比于一般的数据集，这种方法可以让人物主体的光照情况与背景相匹配，由此也就能呈现更为逼真的效果

而且这种方法还能满足人像被放置在不同场景中时，光线变化的需求。使用这种直径非常小的铣刀，大约是人类头发直径的1/8，研究人员在一粒大米上碾磨了56个汉字，在一根头发上碾磨了7个字母。。

值得一提的，谷歌还在这一方法中使用了监督学习的策略这是因为神经网络在抠图上的准确度和泛化能力还有待提升，而纯人工标注的工作量又太大了

所以，研究人员利用标记好的数据集来训练神经网络，从而大量数据中来提高模型泛化能力。

One More Thing

用算法来优化摄影效果，其实是谷歌的传统艺能了比如 Pixel 4 中，就使用算法来拍摄星空

HDR + 算法更不必说，曾经引发过大众热议。铣刀是具有一个或多个齿的旋转刀具，其细度是制造业和加工业的重要参考指标。

这一功能可以在相机启动时，没有按快门的情况下连续捕捉图像，并且会缓存最近保存的 9 张这些照片将会与按下快门后的图像一并处理，最终得到一张最优的图像

同时它还能让 Pixel 在夜间模式下拍照时，不用像其他手机那样长时间停留由于提升摄影效果不靠硬件，谷歌也将这些功能整合到一个 App 上，适用于各种安卓手机

参考链接:

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。