除紋身多少錢（擦掉紋身的AI火了）

子豪發(fā)自凹非寺量子位報道|公眾號QbitAI還記得被P到體無完膚的貝克漢姆嗎？P到這個程度，不得不說，后期工作人員堪稱敬業(yè)典范。在綜藝節(jié)目甚至體育比賽中，藝人們也各出奇招……現(xiàn)在，碼掉紋身有了新方式，不必在精修or高糊之間做選擇了~相關的帖

子豪 發(fā)自 凹非寺量子位 報道 | 公眾號 QbitAI

還記得被P到體無完膚的貝克漢姆嗎？

P到這個程度，不得不說，后期工作人員堪稱敬業(yè)典范。

在綜藝節(jié)目甚至體育比賽中，藝人們也各出奇招……

現(xiàn)在，碼掉紋身有了新方式，不必在精修or高糊之間做選擇了~

相關的帖子已經(jīng)在reddit上獲得1.1k贊，網(wǎng)友們直呼：太酷了！

看看效果對比，感覺看到了紋身前的艾弗森：

這個工具叫做SkinDeep，開發(fā)者利用深度學習去掉照片中的紋身，力圖得到與Photoshop媲美的效果，從而減少工作量。

訓練效果

那么它是如何做到的？

由于無法找到大量的紋身圖像來訓練模型，開發(fā)小哥決定自己動手。

使用Python OpenCV合成紋身圖像，將APDrawing數(shù)據(jù)集圖像，和去除背景的紋身圖案進行疊加，對于全身圖像，則是利用ArtLine完成的。

數(shù)據(jù)集中的線條圖對，可以幫助模型學習和刪除紋身線條。

利用ImageDraw和代碼，將紋身隨機放置到人體圖像上；在需要彎曲和改變角度時，還需用到Photoshop。

用修改后的Apdrawing數(shù)據(jù)集訓練模型，作者給出了模型輸出示例。包括：

用于身體正面的效果：

面部紋身和重度紋身的效果：

作者還給出了和Photoshop對比圖，看起來效果還不錯。

不過仔細看，還是殘留了一些紅色印記。

網(wǎng)友熱議

相當可觀的效果立刻在reddit上引起了熱議，不少網(wǎng)友發(fā)出“Cool”、“Awesome”的贊嘆。

不過也有網(wǎng)友表示：

“還是Photoshop更勝一籌?！?/p>

網(wǎng)友們動手嘗試的結果，也驗證了這一點：

提到紋身，很難不想到“僵尸男孩”。面對這樣高難度的挑戰(zhàn)，SkinDeep的表現(xiàn)怎么樣？

幾乎也是高糊的狀態(tài)了，不禁讓網(wǎng)友聯(lián)想到了“伏地魔”……

看來模型的性能還有不少提升空間。

對此，作者也在GitHub上表示，SkinDeep模型仍在改進中。

此外，還有網(wǎng)友反向操作：

“你能把它顛倒一下嗎？我想加個紋身”

作者簡介

SkinDeep的開發(fā)者是Vijish Madhavan，上文中用于制作全身圖像的ArtLine（用于生成線條肖像），就是他的杰作，在GitHub上收獲了2.8K顆星。

也許SkinDeep未來可以用在電視節(jié)目中，觀眾們不必再面對高糊畫面了。

“擦除”工具的GitHub、Colab鏈接已在文末送上，感興趣的小伙伴可以去嘗試一下~

參考鏈接：[1]https://www.reddit.com/r/MachineLearning/comments/mouyp0/p_skindeep_remove_tattoos_using_deep_learning/[2]https://github.com/vijishmadhavan/SkinDeep[3]https://colab.research.google.com/github/vijishmadhavan/SkinDeep/blob/master/SkinDeep.ipynb

— 完 —

量子位 QbitAI · 頭條號簽約

關注我們，第一時間獲知前沿科技動態(tài)