科技改變生活 · 科技引領(lǐng)未來(lái)
科技改變生活 · 科技引領(lǐng)未來(lái)
子豪發(fā)自凹非寺量子位報(bào)道|公眾號(hào)QbitAI還記得被P到體無(wú)完膚的貝克漢姆嗎？P到這個(gè)程度，不得不說(shuō)，后期工作人員堪稱敬業(yè)典范。在綜藝節(jié)目甚至體育比賽中，藝人們也各出奇招……現(xiàn)在，碼掉紋身有了新方式，不必在精修or高糊之間做選擇了~相關(guān)的帖
子豪 發(fā)自 凹非寺量子位 報(bào)道 | 公眾號(hào) QbitAI
還記得被P到體無(wú)完膚的貝克漢姆嗎？
P到這個(gè)程度，不得不說(shuō)，后期工作人員堪稱敬業(yè)典范。
在綜藝節(jié)目甚至體育比賽中，藝人們也各出奇招……
現(xiàn)在，碼掉紋身有了新方式，不必在精修or高糊之間做選擇了~
相關(guān)的帖子已經(jīng)在reddit上獲得1.1k贊，網(wǎng)友們直呼：太酷了！
看看效果對(duì)比，感覺(jué)看到了紋身前的艾弗森：
這個(gè)工具叫做SkinDeep，開(kāi)發(fā)者利用深度學(xué)習(xí)去掉照片中的紋身，力圖得到與Photoshop媲美的效果，從而減少工作量。
訓(xùn)練效果
那么它是如何做到的？
由于無(wú)法找到大量的紋身圖像來(lái)訓(xùn)練模型，開(kāi)發(fā)小哥決定自己動(dòng)手。
使用Python OpenCV合成紋身圖像，將APDrawing數(shù)據(jù)集圖像，和去除背景的紋身圖案進(jìn)行疊加，對(duì)于全身圖像，則是利用ArtLine完成的。
數(shù)據(jù)集中的線條圖對(duì)，可以幫助模型學(xué)習(xí)和刪除紋身線條。
利用ImageDraw和代碼，將紋身隨機(jī)放置到人體圖像上；在需要彎曲和改變角度時(shí)，還需用到Photoshop。
用修改后的Apdrawing數(shù)據(jù)集訓(xùn)練模型，作者給出了模型輸出示例。包括：
用于身體正面的效果：
面部紋身和重度紋身的效果：
作者還給出了和Photoshop對(duì)比圖，看起來(lái)效果還不錯(cuò)。
不過(guò)仔細(xì)看，還是殘留了一些紅色印記。
網(wǎng)友熱議
相當(dāng)可觀的效果立刻在reddit上引起了熱議，不少網(wǎng)友發(fā)出“Cool”、“Awesome”的贊嘆。
不過(guò)也有網(wǎng)友表示：
“還是Photoshop更勝一籌。”
網(wǎng)友們動(dòng)手嘗試的結(jié)果，也驗(yàn)證了這一點(diǎn)：
提到紋身，很難不想到“僵尸男孩”。面對(duì)這樣高難度的挑戰(zhàn)，SkinDeep的表現(xiàn)怎么樣？
幾乎也是高糊的狀態(tài)了，不禁讓網(wǎng)友聯(lián)想到了“伏地魔”……
看來(lái)模型的性能還有不少提升空間。
對(duì)此，作者也在GitHub上表示，SkinDeep模型仍在改進(jìn)中。
此外，還有網(wǎng)友反向操作：
“你能把它顛倒一下嗎？我想加個(gè)紋身”
作者簡(jiǎn)介
SkinDeep的開(kāi)發(fā)者是Vijish Madhavan，上文中用于制作全身圖像的ArtLine（用于生成線條肖像），就是他的杰作，在GitHub上收獲了2.8K顆星。
也許SkinDeep未來(lái)可以用在電視節(jié)目中，觀眾們不必再面對(duì)高糊畫(huà)面了。
“擦除”工具的GitHub、Colab鏈接已在文末送上，感興趣的小伙伴可以去嘗試一下~
參考鏈接：[1]https://www.reddit.com/r/MachineLearning/comments/mouyp0/p_skindeep_remove_tattoos_using_deep_learning/[2]https://github.com/vijishmadhavan/SkinDeep[3]https://colab.research.google.com/github/vijishmadhavan/SkinDeep/blob/master/SkinDeep.ipynb
— 完 —
量子位 QbitAI · 頭條號(hào)簽約
關(guān)注我們，第一時(shí)間獲知前沿科技動(dòng)態(tài)
金俊