谷歌最新视频抠图术：影子烟雾都能抠，添加水印更顺滑

本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，谷歌转载请联系出处。最新

如何更顺滑的视频术影顺滑添加水印？

谷歌的这项新技术，让文本简直就像贴在地面上，抠图抠添哪怕是烟雾印更在沙尘横飞的场景里。

只需输入一段视频，最新和指定对象的视频术影顺滑粗略蒙版。 比如人和狗的谷歌影子。 不管是任意对象和主体，不论怎么移动，所有元素都能抠出来。

这就是谷歌最新的视频分层技术——omnimatte，入选CVPR 2021 Oral。

目前这项技术都已开源。

如何实现

计算机视觉在分割图像或视频中的对象方面越来越有效，然而与对象相关的场景效果。

比如阴影、反射、产生的烟雾等场景效果常常被忽略。

而识别这些场景效果，云服务器提供商对提高AI的视觉理解很重要，那谷歌这项新技术又是如何实现的呢？

简单来说，用分层神经网络渲染方法自监督训练CNN，来将主体与背景图像分割开来。

由于CNN的特有结构，会有倾向性地学习图像效果之间的相关性，且相关性却强，CNN越容易学习。

首先，使用现成的分割网络比如Mask RCNN，来讲这些主体分成多个遮罩层和背景噪声图层，并按照某种规则进行排序。

比如，在一个骑手、一辆自行车以及几个路人的场景中，就会把骑手和自行车归入一个层，把人群归入第二层。

omnimatte模型是一个二维UNet，逐帧处理视频。每一帧都用现成的技术来计算物体掩码，来标记运动中的主体，高防服务器并寻找和关联蒙版中未捕捉到的效果，比如阴影、反射或者烟雾，重建输入帧。

为了保证其他静止的背景元素不被捕获，研究人员引入了稀疏损失。

此外，还计算了视频中每一帧和连续帧之间的密集光流场，为网络提供与该层对象相关的流信息。

最终生成Alpha图像（不透明度图）和RGBA彩色图像，尤其RGBA图像，简直可以说是视频/图像剪辑法宝！

有什么用途

技术效果如此，那有什么样的用途呢？

首先就可以复制或者删除图像。

背后的团队

最后再来说一下背后的团队。

其中，论文一作是牛津大学四年级博士生Erika Lu，曾是谷歌实习生，在麻省理工学院获得了计算机科学与工程学士学位。 https://arxiv.org/pdf/2105.06993.pdf