头图 | 付费下载于视觉中国
前言
刚刚过去的 2020 年 ECCV,有一项 AI“隐身”技术引人瞩目。
正在坐秋千的小孩,突然只剩下秋千架。
让漫步的行人消失,让奔驰的汽车消失。
这么好玩的 AI 算法,你想学吗?
老规矩,今天,继续手把手教学。
算法原理、环境搭建、效果实现,一条龙服务,尽在下文!
FGVC
FGVC 的作者是一位 90 后北京小伙,目前在弗吉尼亚理工大学计算机工程专业就读博士三年级,师从华人教授 Jia-Bin Huang。
FGVC 算法本质上是一个基于光流法的视频修复算法。
光流法是视域中物体运动检测的概念,其用于描述运动所造成的观测目标、表面或边缘的运动,主要应用于计算机视觉和影像处理等。
使用光流法,可寻到不同帧之间的关系,并通过在不同帧之间传播信息来补全视频。
FGVC 主要包含三个步骤:Flow completion、Temporal propagation、Fusion。
Flow completion:具体操作时,要计算相邻帧之间的正向光流和反向光流、以及一组非相邻帧 (Non-local) 的正向光流和反向光流。
Temporal propagation:按照光流的轨迹,为每个丢失的像素找到一组候选像素,对于每个候选帧,都要估计一个置信分数以及一个二进制有效性指标。
Fusion:使用置信加权平均值,将每个缺失像素的候选像素与至少一个有效候选像素融合。对于没有候选像素,则使用一个关键帧,并使用单个图像补全技术来填充它。
更具体的原理,比如边缘引导的光流补充等,可以去「啃下」论文,学习一下。
Paper 地址:
https://arxiv.org/abs/2009.01835
环境配置
想要测试算法效果,先要部署下开发环境。
Github 开源项目地址:
https://github.com/vt-vl-lab/FGVC
Github 下载慢的,可以下载我已经打包的代码(提取码:4lgs):
https://pan.baidu.com/share/init?surl=rh1I2B4ssjiNdydUc_DflA
这里推荐使用 Anaconda 完成部署。
FGVC 算法依赖于另外两个算法 DeepFill 和 RAFT。
所以,可以创建两个虚拟环境 FGVC 和 raft。
FGVC 环境使用 PyTorch 0.4.0,并配置算法 DeepFill 的环境。
DeepFill 环境配置方法:
https://github.com/nbei/Deep-Flow-Guided-Video-Inpainting#install--requirements
直接使用指令安装依赖库:
pip install -r requirements.txt
raft 环境使用 PyTorch 1.6.0,并配置算法 RAFT 的环境。
RAFT 环境配置方法:
https://github.com/princeton-vl/RAFT#requirements
这里比较简单,使用 conda 安装需要的库即可。
都配置完毕,就可以测试算法效果了!
效果测试
先激活 raft 虚拟环境,直到运行结果出现提示:
「Please switch to Pytorch 0.4.0」
然后切换到 FGVC 虚拟环境,然后再运行一次代码。
Object removal:
cd tool
python video_completion.py \
--mode object_removal \
--path ../data/tennis \
--path_mask ../data/tennis_mask \
--outroot ../result/tennis_removal \
--seamless
FOV extrapolation:
cd tool
python video_completion.py \
--mode video_extrapolation \
--path ../data/tennis \
--outroot ../result/tennis_extrapolation \
--H_scale 2 \
--W_scale 2 \
--seamless
想要计算速度更快些,可以去掉 seamless 参数。
算法需要 rgb 图片和 mask 图片,这些数据是已知的,想要去除什么物体,给个物体的 mask 即可。
运行效果示意图:
更多精彩推荐
☞苹果发布首款 Mac 自研芯片 M1,贯通生态快人一步!☞腾讯竟然是这样招人的,哈哈哈哈哈
点分享 点点赞 点在看