▲ 稿定摳圖顯示效果
凡科快圖與稿定摳圖類似 ， 大量細節(jié)沒有摳掉 ， 頭發(fā)細節(jié)也有不少瑕疵 ， 摳出來的圖片不能直接取用 。特別是五個玩偶連接處的地面 ， 有大量區(qū)域依然保留下來 。
▲ 凡科快圖細節(jié)差
靜物摳圖上 ， 頑兔表現(xiàn)出乎意料的好 。地面細節(jié)完全摳掉 ， 頭發(fā)細節(jié)瑕疵略少 ， 整體表現(xiàn)比前兩者稍好 ， 只是直接用作素材還有些勉強 。
▲ 頑兔摳圖效果相對較好
最后再看多人合影 ， 小黑至今仍然記得初中畢業(yè)照上 ， 業(yè)余攝影師在修圖摳圖時手抖 ， 最后一排的同學(xué)好幾個都被P變了形 。AI摳圖在多人合影上表現(xiàn)如何 ， 小黑一直很期待 。
▲ 三款工具多人合影效果
然而 ， 小黑萬萬沒想到 ， AI 摳圖根本無法實現(xiàn)多人合影摳圖 。稿定摳圖識別不出來 ， 凡科快圖完全沒摳 ， 頑兔只是將下方的草地摳掉 ， 教學(xué)樓與同學(xué)們完全沒有分離開 ， 相當于沒有摳圖 。
整體來看 ， AI摳圖并沒有像宣傳中說的那樣一鍵摳圖 ， 它只是一個并不那么智能的工具 ， 細節(jié)保留與物體識別都比不上設(shè)計師的雙手與雙眼 。與人類設(shè)計師相比 ， AI摳圖完全不在一個層面上 ， 在摳圖領(lǐng)域 ， 人類還是完勝AI 。
AI 摳圖原理測試結(jié)果顯示 ， AI 摳圖依然有很大局限性 ， 在處理復(fù)雜圖片時 ， AI 摳圖工具普遍無能為力 。
其實 ， 這與AI摳圖原理有關(guān) 。在了解技術(shù)之前 ， 小黑先聊一個專業(yè)名詞——語義分割 。在計算機圖像識別技術(shù)中 ， 通過數(shù)據(jù)分析與理解 ， 將不同的物體涂成不同的顏色 。
▲ 語義分割識別
以上述動圖為例 ， 計算機視覺算法通過數(shù)據(jù)分析將人類涂成紅色 ， 將汽車涂成藍灰色 ， 將樹木涂成綠色 ， 將地面涂成粉灰色 ， 完成這一動作的過程就叫語義分割 。在完成語義分割之后 ， 就可以將想要得到物體從圖片/視頻中摳出來 。
▲ 彈幕從屏幕滑過 ， 人物不受遮擋
在我們?nèi)粘Ｉ钪?nbsp;， 語義分割的應(yīng)用非常廣泛 。汽車自動駕駛運用它分辨各類事物 ， B站運用它遮擋彈幕 ， 避免彈幕過多影響視頻觀感 。
▲ 語義分割深度學(xué)習(xí)
語義分割說起來簡單 ， 實現(xiàn)起來難度不小 。首先需要收集大量數(shù)據(jù)形成數(shù)據(jù)庫 ， 不斷學(xué)習(xí)進化 ， 逐漸“理解”不同圖片/視頻中的物體 ， 從而將它們分割出來 。以阿里云視覺智能開放平臺為例 ， 就需要過濾、分類、檢測、分割四大步驟 。
▲ 阿里云視覺智能開放平臺摳圖技術(shù)
其中過濾需要用到分類模型與基礎(chǔ)圖像算法；分類根據(jù)物體連通性 ， 需要設(shè)計不同的分割模型；檢測過程中檢測文案、logo等冗余信息 ， 搭建檢測模型；最后分割時先進行一層粗分割得到大致圖案 ， 再通過分割融合模型進行精細分割得到精確圖案 。
小黑注意到 ， 四大步驟都需要各種模型 。其實不僅是AI 摳圖 ， 所有的AI 都需要搭建模型 ， 然后經(jīng)過大量數(shù)據(jù)訓(xùn)練“進化” 。當年擊敗人類的阿爾法狗本身也是一個神經(jīng)網(wǎng)絡(luò)模型 ， 在短時間內(nèi)學(xué)習(xí)完人類所有棋譜 ， 從而推導(dǎo)出擊敗人類的完美模型 。
▲ 阿爾法狗使用的蒙特卡洛搜索樹

以上關(guān)于本文的內(nèi)容，僅作參考！溫馨提示：如遇健康、疾病相關(guān)的問題，請您及時就醫(yī)或請專業(yè)人士給予相關(guān)指導(dǎo)!

• 檸檬如何去除冰箱異味？
• 衣服發(fā)霉用什么方法可以去除
• 牙軟垢怎么徹底去除 牙垢怎么去除
• 衣服上有霉點怎么快速去除
• 怎樣去除衣服上的鐵銹小妙招
• 怎么去除油漬
• 去除妊娠紋的方法有哪些 有妊娠紋了用什么東西可以去掉
• 瓷磚防水膠怎么去除
• 妊娠紋哪些產(chǎn)品好使？ 去除產(chǎn)后妊娠紋哪個產(chǎn)品好
• 如何去除陶瓷杯中的茶漬