学习
实践
活动
工具
TVP
写文章

原创:好玩的视频人像

前面文章人像 + OpenGL ES 还能这样玩?没想到吧,我们介绍了利用人像算法生成的 mask ,然后结合 OpenGL 可以产生一些有趣的效果。 技术应用很广泛,比如很多手机的相机自带“人像留色”滤镜:人体区域保留彩色,人体区域之外灰度化。所以人像留色的关键技术在于高精度高性能的分割算法。 本文将基于开源的人像算法模型和 OpenGL 做一个实时的人像分割 app , 该 app 目前已开源,感兴趣的同学可以参考该项目利用matting算法做一些有趣的特效。 accelerometer_sensor = nullptr; NanoDet* nanoDet = nullptr; }; 模型类封装的非常简单,Process 执行分割输出分割结果和 mask 。 GLSurfaceView 的三个回调,主要就是借助于 GLSurfaceView 创建 OpenGL 渲染上下文环境,RenderVideoFrame 传入 matting 结果和相关的 mask 灰度

38830

【图像分割】还用语义分割?NO,这才是人像的正确打开方式

做好了人像 就可以设计各种各样的营销海报 对于淘宝等电商平台来说 可以大大降低设计成本 做好了人像 你再也不需要去照相馆拍证件照 足不出户就可使用自己的照片一键生成 省时又省钱 做好了人像 上网课/开会的时候 你还担心线上会议直播软件会暴露隐私吗 背景想换就换 宇宙星空还是高山大川 想去哪里就去哪里 要想做好这样的人像,语义分割是远远不够用的。 我们会非常详细地讲解算法中的细节,帮助彻底消化算法原理; (2) 实践非常丰富:本次课程中一共已经包含了4个实践案例,分别为人脸嘴唇分割实战,缺陷分割实战,Image Matting人像实战,Mask (10) Image Matting人像实战,包括模型讲解,数据准备与读取,模型搭建,模型训练与测试。 (11) 实例分割模型实战,包括数据读取,模型搭建。 嘴唇分割与人像项目实战效果展示 学习完你将掌握: (1) 语义分割的主流算法。 (2) 实例分割的主流算法。 (3) Image Matting的主流算法。

39040
  • 广告
    关闭

    11.11云上盛惠

    万元礼包限时领取,百款云产品特惠助力上云,云服务器2核2G低至4.2元/月

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    人像 + OpenGL ES 还能这样玩?没想到吧

    OpenGL ES 利用算法实现人像留色 [人像留色] [人像留色] 人像留色的原理 现在人像分割技术就像当初的人脸检测算法一样,称为广泛使用的基础算法。 [OpenGL ES 利用算法实现人像留色] 首先利用分割算法获取到人像的 mask (灰度),其中人像区域的灰度值大于 0 ,非人像区域的灰度值等于 0 。 在 shader 中,首先对 mask 采样判断采样点是否位于人像区域,然后分别进行不同的处理。 获取人像 mask 那么如何获取人像 mask ? Github 上已经有很多大神开源了相关的分割或者算法。 BackgroundMattingV2 [Real-Time High-Resolution Background Matting] 大名鼎鼎的 BackgroundMattingV2 算法,这也是本文所使用的算法

    86530

    人像 + OpenGL ES 还能这样玩?没想到吧

    OpenGL ES 利用算法实现人像留色 首先利用分割算法获取到人像的 mask (灰度),其中人像区域的灰度值大于 0 ,非人像区域的灰度值等于 0 。 在 shader 中,首先对 mask 采样判断采样点是否位于人像区域,然后分别进行不同的处理。 获取人像 mask 那么如何获取人像 mask ? Github 上已经有很多大神开源了相关的分割或者算法。 这里推荐 3 个比较受欢迎的开源项目。 Multi-Human-Parsing ? Real-Time High-Resolution Background Matting 大名鼎鼎的 BackgroundMattingV2 算法,这也是本文所使用的算法,主要特点就是实时、高分辨率 = 0) out vec4 outColor; uniform sampler2D u_texture0;//rgba uniform sampler2D u_texture1;//人像灰度 uniform

    50830

    人像已经满足不了研究者了,这个研究专门给动物,毛发根根分明

    选自arXiv 作者:Jizhizi Li、Dacheng Tao等 机器之心编译 编辑:魔王 相比于人像,长相各异、浑身毛茸茸的动物似乎难度更大。 IEEE 会士 Jizhizi Li、陶大程等人开发了一个专门处理动物的端到端技术 GFM。 在这个图像和视频逐渐成为主流媒介的时代,大家早已对「」习以为常,说不定还看过几部通过「」拍摄的电视剧呢。然而,相比于人像,长相各异、浑身毛茸茸的动物似乎难度更大。 那么,是否有专用于动物的技术呢?IEEE 会士 Jizhizi Li、陶大程等人就开发了一个专门处理动物的端到端技术。 ? 为了解决这些问题,陶大程等人研究了语义和细节,将任务分解为两个并行的子任务:高级语义分割和低级细节

    46940

    php实现的证件照换底色功能示例【人像换背景

    php //背景和原图需要保持宽高要保持一样,这里的示例原图用的是蓝色背景 init(); function init(){ $old = '1.png'; $new = '2.png'; //创建一个png透明 $img = imagecreatefrompng($old); setpng($img,$old,$new); } function setpng($imgid,$filename ,$savename){ $bg = 'bg.png';//背景 $new = imagecreatefrompng($bg);//创建一个png透明 list($width,$height $imgid,$i,$k,$color); } } } } } $old指的是要处理的图片,指定为png格式 $new指的是处理后输出的图片名 $bg指的是背景

    69120

    超强实时人像算法开源,随心所欲背景替换!

    谈到人像想必大家都不陌生。 人像的场景可谓无所不在!然而现实中用户使用的终端多种多样,图片的输入组成也是千奇百怪,那么有没有好的方案让能够使用户在多个平台都获得好的体验效果呢? 小编遍历了Github,终于为大家找到了一个高性能且支持多端部署的人像技术的解决方案PP-Seg,它不仅仅提供了多种精度的模型,并针对服务端、移动端、Web端多种使用场景进行了不同的优化,都获得超群的效果 针对人像标注样本少的问题,使用标注信息和背景合成的方式进行数据生成,数据量的扩充提升了模型的精度。 优化损失函数 解决类别不均衡 人像在整张图片中所占的比例往往较小,存在前景背景类别占比不均衡的问题。

    1.7K50

    emgucv

    colorMappedToDepthPointsPointer[i].Y; int depthX = (int)(colorMappedToDepthX + 0.5f); //colorimage的像素点的位置在景深的对应位置

    11610

    python实现

    82030

    技术初探

    图像英文名叫 image matting,顾名思义就是将目标图像从背景中分离出来的一种图像处理技术。根据图像背景的复杂程度,一般分为纯色背景(“绿幕”或者“蓝幕”)和自然图像。 上面说的就是图中最原始的“绿幕”或者“蓝幕”技术,之所以选择绿色和蓝色,是因为这两种颜色和肤色相差最远,同时做为rgb三原色之一也更容易处理。欧美多用绿色,是因为他们有人是蓝眼睛。 自然图像 绿幕对图像背景有苛刻的要求,现实中蓝绿纯色背景的图片太少,更多的是平时用手机或者相机拍摄的复杂背景的图片,这时候要想分离前景,就需要用到自然图像技术。 算法解出每个像素的α值后就可以生成一张α,这张前景是白色的,其余都是黑色的蒙板,它和原图结合后就完成了。 在 alphamatting 网站中对历年出现的45种算法进行了评测和排名。 评测方法是使用8张不同类型图片做标准,测试每种算法在不同的trimap下对这些图片的效果。从排名来看,2017年新出现的两种算法,的效果相对最好。

    2.4K110

    别再自己了,Python用5行代码实现批量

    前言 对于会PhotoShop的人来说,是非常简单的操作了,有时候几秒钟就能扣好一张。 不过一些比较复杂的,有时候还是要画点时间的,今天就给大家带了一个非常快速简单的办法,用Python来批量人像。 效果展示 开始吧,我也不看好什么自动,总觉得不够精确,不出满意的。 为了显示效果,我把原图和好的放到一张黄色背景图片上: ? 这样一看效果明显多了,感觉效果还是非常好的。但是吧,这种简单的图片,不怎么过瘾,我们再来看看复杂一点的图片: ? 实现 实现的代码很简单,大概分为下面几个步骤: 1.导入模块2.加载模型3.获取文件列表4. 实现起来没有什么难度,为了方便读代码,我将代码写清楚一点: # 1、导入模块 import os 这样我们就完成了5行代码批量

    93410

    使用Python快速

    path): # 将处理完成的图片导出至pic文件夹 rmbg.remove_background_from_img_file(os.path.join(path, pic)) 就能快速

    42420

    Photoshop-边缘调整

    腿毛比较复杂的部分,还可以选择左侧的“抹除调整工具”,直接在腿中间涂抹,让腿毛的选区更清晰精准 如下图操作所示 抹除调整工具”来细调 在调整边缘面板的上侧的“视图模式”选项区,则提供了多种模式来随时观察效果 调整到满意程度时,可以来到输出选项区,根据需要勾选“净化颜色”选项,然后选择“新建带有图层面板的图层 这样可以不破坏原图,而且可以随时再次进行选区的调整,有利于多次设计 图层蒙版是个好东西 有时候,完成后

    21310

    基于Opencv的

    step1:加载图片,转成灰度。 cv2.findContours()函数第一个参数是要检索的图片,必须是为二值,即黑白的(不是灰度),所以读取的图像要先转成灰度的,再转成二值,我们在第三步用cv2.threshold()函数已经得到了二值

    3.2K20

    ,令我苦不堪言!

    人像这件事上 不管是图片还是视频 某方的要求始终是精细到发丝,精确到每帧 新手在寻找黑科技实现一键 老司机面对批量化、无绿幕也苦不堪言 何解? 这正是腾讯云AI黑科技的魅力 ——人像分割 腾讯云AI人像分割 基于腾讯优领先的人体分析算法 可精准识别图像中的人体轮廓边界 支持单人、多人、复杂背景等多种场景 广泛应用于人像、视频、影视的人物像和特效处理 人像与特效处理 如何把一张平庸的照片变得更有想象力? 有人沉浸在滤镜里 还有人以+特效来演绎 腾讯云AI人像分割 不仅仅是对人像主体的 对头发、五官、服饰等分割也能实现自动处理 尤其是提升边缘化细节的处理效果 然后选择任意指定的图像作为新的背景进行合成 腾讯云AI依托腾讯优人工智能实验室 多年来一直专注于人像分割领域核心技术的商业落地 从人像、特效处理到 实时视频、直播、线上会议的背景替换 腾讯云AI将不断拓宽边界,挖掘更多潜在应用场景 简化像繁琐的工作流程

    49050

    Mathematica也可以PS

    例如可以按照图像的轮廓完整的~~~~ ? 大家有木有好的方法出来咩~~~

    61330

    如何使用PS简单

    之前写到了制作电子邀请函,本期就来说说如何制作一些素材, 也就是如何用PS,看见一些好的也能自己了。 开始之前当然是需要软件了,小编演示是用的PS 2015 64位的, 先说下前准备,待的图案最好和背景颜色差别较大, 比如换证件照背景这种,这里就以换证件照背景来讲吧。 首先打开PS,点文件,打开,选择需要的图片。 ? 然后右下角对着图层点右键,复制图层,弹出窗口直接点确定就好。 ? ? 然后把原来的图层删除。 ? 接下来,在把右下角的人像图层恢复显示, 并把背景图层拖到人像图层下方。 ? 然后我们开始清除原来的人像背景颜色,先选择人像图层, 然后使用魔棒工具,选择纯色背景,然后按DELETE键删除。 ? 这里仅仅是介绍如何换背景颜色,其实新建的那张纯色的背景, 可以替换成任何背景,操作都是一样的, 而也不过是删除掉不需要的图案, 保留想要的图案而已,PS入门不难,多搜索解决方案。 ?

    69040

    扫码关注腾讯云开发者

    领取腾讯云代金券