卷疯了！SOTA级发丝抠图算法PP-Matting重磅开源，支持多种场景精细化分割！

你还在用P.S.等商业软件，划着鼠标，一点点勾勒图像边缘完成抠图嘛？

有些大神可能会说：我可以用蒙板、通道等等高端操作实现超快抠图！

但如果能有一个软件可以实现智能全自动抠图，完美保留发丝、树叶等精细边缘，还完全免费，甚至代码都是全部开源的，它不香嘛！！！

图1 Matting效果展示

这绝对不是画饼，近期一项被称为Matting的算法可算是火爆了AI界，它相比于单纯的图像分割技术，可以根据透明度更进一步的对图像的像素进行分类，如下图，不仅图像中的主体目标被精准抠出，连超精细的毛绒边缘和透明玻璃杯都可以完美抠出！传统的图像分割抠图策略是完全不可达到的！懂行的人看到这里是不是已经激动地汗毛直立了！

图2 Matting原理说明

小编赶紧给大家贴上项目链接地址。

https://github.com/PaddlePaddle/PaddleSeg/tree/release/2.5/Matting

这个项目是PaddleSeg团队推出的高性能PP-Matting算法系列，它根据用户对图像分辨率的需求，提供最相匹配的模型，精度上在Trimap Free方向达到SOTA级别。还充分考虑实际部署环境，针对边缘端、服务端等对模型体积等指标进行相应优化。

不仅如此，PaddleSeg团队还特别针对人像进行特殊优化处理，提供了不同场景下的预训练模型及部署模型，即可直接部署使用，也可根据具体任务进行微调，简直贴心到家！

图3 PP-Matting 算法精度说明

而PP-Matting也已经被开发者们广泛应用了，有爱的开发者小伙伴还实现了“猫像抠图”，给自己可爱的小猫咪DIY了各种酷炫写真！！

图4 “猫像抠图”示例

有的开发者也开发了一键上传图片进行抠图的Web Demo，也欢迎大家在PaddleSeg的github页面访问使用。

https://github.com/PaddlePaddle/PaddleSeg/tree/release/2.5/Matting

图5 Web端Matting示例

当然，看到这么好的技术，硬核的小伙伴会关注技术上的实现，一般来说基于深度学习的Matting分为两大类

1. 一种是基于辅助信息输入。即除了原图和标注图像外，还需要输入其他的信息辅助预测，如Trimap、背景、交互点等作为辅助信息。

2. 一种是不依赖任何辅助信息，直接实现Alpha预测。

图6 Matting原理说明