懂AI
BackgroundMattingV2

BackgroundMattingV2

实时高分辨率背景抠图技术的创新突破

该项目开发了实时高分辨率背景抠图技术，通过额外背景图像实现高质量抠图。研究展示了创新的神经网络架构，并提供新数据集。成果获CVPR 2021最佳学生论文荣誉提名，推动视频处理和图像编辑技术发展。

背景抠图实时处理高分辨率深度学习计算机视觉Github开源项目
访问官网GitHub论文

实时高分辨率背景抠图

预览图

这是论文 实时高分辨率背景抠图 的官方代码库。我们的模型需要额外捕捉一张背景图像,可以在 Nvidia RTX 2080 TI GPU 上以 4K 30fps 和 HD 60fps 的速度产生最先进的抠图结果。

免责声明:本仓库中的视频转换脚本并非实时。我们研究的主要贡献是用于高分辨率细化的神经网络架构和新的抠图数据集。inference_speed_test.py 脚本允许您测量我们模型的张量吞吐量,应该可以达到实时。inference_video.py 脚本允许您在我们的模型上测试视频,但视频编码和解码是在没有硬件加速和并行化的情况下完成的。对于生产用途,您需要进行额外的工程以实现硬件编码/解码并并行将帧加载到 GPU。有关架构详细信息,请参阅我们的论文。

 

新论文发布!

查看 稳健视频抠图! 我们的新方法不需要预先捕获背景,并且可以以更快的速度进行推理!

 

概述

 

更新

  • [2021年6月21日] 论文获得 CVPR 2021 最佳学生论文荣誉提名。
  • [2021年4月21日] VideoMatte240K 数据集现已发布。
  • [2021年3月6日] 训练脚本已发布。
  • [2021年2月28日] 论文被 CVPR 2021 接受。
  • [2021年1月9日] PhotoMatte85 数据集现已发布。
  • [2020年12月21日] 我们将项目更新为 MIT 许可证,允许商业使用。

 

下载

模型 / 权重

视频 / 图像示例

数据集

 

演示

脚本

我们在此仓库中提供了几个脚本,供您试验我们的模型。文件中包含更详细的说明。

  • inference_images.py: 对一个图像目录进行抠图。
  • inference_video.py: 对视频进行抠图。
  • inference_webcam.py: 使用您的网络摄像头进行交互式抠图演示。

笔记本

此外,您可以在 Google Colab 中尝试我们的笔记本,对图像和视频进行抠图。

虚拟摄像头

我们提供了一个演示应用程序,可以将网络摄像头视频通过我们的模型处理并输出到虚拟摄像头。该脚本仅适用于 Linux 系统,可以在 Zoom 会议中使用。更多信息,请查看:

 

使用 / 文档

您可以使用 PyTorch、TorchScript、TensorFlow 和 ONNX 运行我们的模型。有关使用我们模型的详细信息,请查看 使用 / 文档 页面。

 

训练

配置 data_path.pth 以指向您的数据集。原始论文使用 train_base.pth 仅训练基础模型直至收敛,然后使用 train_refine.pth 对整个网络进行端到端训练。更多细节在论文中有指定。

 

项目成员

<sup>* 贡献相同。</sup>

 

许可证

本作品采用 MIT 许可证。如果您在项目中使用我们的工作,我们希望您能包含致谢并填写我们的 调查问卷。

社区项目

由第三方开发者开发的项目。

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

下拉加载更多