密歇根大學(xué)和谷歌大腦的研究人員合作，提出了一種圖像語義分層處理框架，可以實(shí)現(xiàn)像素級別的圖像語義理解和操縱，在圖像中任意添加、改變、移動對象，并與原圖渾然一體，實(shí)現(xiàn)真正的“毫無PS痕跡”。

曾經(jīng)，你以為下面普京×容嬤嬤那張圖就稱得上“毫無PS痕跡”了。

的確，用肉眼看，效果是很不錯。但是，在專業(yè)的圖像分析軟件下，修改的痕跡一目了然。

你再看看這兩張圖：

不不不，這不是“找不同”，是為了讓你感受一下“像素級語義分割和理解”帶來的修圖效果：

可能，你需要看得更清晰一點(diǎn)。

看好了哦，這是原圖：

發(fā)現(xiàn)有什么不同/不自然的地方了嗎？（提示：一共有7處不同）。

先別急著往下拉……

答案揭曉：

實(shí)際上，找出不同是很簡單的（畢竟多了好幾個東西），關(guān)鍵是這樣像素級的改動，比原先意義上“毫無PS痕跡”增強(qiáng)了一大步！

無論是色調(diào)、光線還是紋理，都與原圖配合得更加自然，操作起來也十分簡單方便。

這多虧了密歇根大學(xué)和谷歌大腦的研究人員，他們提出了一種新的圖像語義處理分層框架，首先根據(jù)圖像中給定對象的邊界框，學(xué)習(xí)生成像素級語義標(biāo)簽地圖（pixel-wise semantic label maps），然后根據(jù)這個地圖再生成新的圖像。

因此，用戶可以實(shí)現(xiàn)對象級的操縱，無論是改變顏色、移動位置、去除某個物體，增加新的東西，或者把原來在最前面的人物往后移一層或兩層，而且與原圖像自然融為一體。

操作只需要一步即可：

圖像語義分層處理框架工作流程圖示意：輸入車道照片，輸出上面有一輛車的照片

定量和定性結(jié)果分析，該方法比當(dāng)前流行的Context Encoder、Pix2PixHD等效果都要高出許多。這有望掀起計(jì)算機(jī)視覺和圖像處理界的巨變，難怪有人看完后在Twitter留言：

“在我兩年前開始學(xué)計(jì)算機(jī)視覺時，這種技術(shù)簡直是無法想象的?！薄昂喼笔强苹米兂闪爽F(xiàn)實(shí)！”

還有人疾呼：PS里有個功能我想在就想要！

像素級分層語義處理框架，實(shí)現(xiàn)圖片對象自然修改

想必大家看到這個神級PS技術(shù)，對其原理應(yīng)該是十分好奇了吧！接下來，小編就帶著讀者領(lǐng)略這款神技的技術(shù)奧秘！

正如上述所言，這個PS技術(shù)框架的核心就是分層圖像處理。

當(dāng)給出新的邊界框B時，算法首先通過以B為中心、尺寸為S×S的裁剪平方窗口，提取標(biāo)簽映射（semantic label map）M∈RS×S×C和圖像I∈RS×S×3的局部觀測值。 在M，I和B上，模型通過以下過程生成操縱圖像：

給定邊界框B和語義標(biāo)簽映射M，結(jié)構(gòu)生成器通過

給定操縱的標(biāo)簽映射M和圖像I，圖像生成器通過

而在分層圖像處理過程中，有兩個核心的關(guān)鍵步驟：

結(jié)構(gòu)生成器（Structure Generator）

結(jié)構(gòu)生成器的目標(biāo)是以像素級類標(biāo)簽M∈RS×S×C的形式推斷由B = {b，c}指定的區(qū)域的潛在結(jié)構(gòu)。

結(jié)構(gòu)生成器的體系結(jié)構(gòu)

給定一個masked layout M和一個binary mask B，分別用于對目標(biāo)的類和位置進(jìn)行編碼。該模型通過來自雙流解碼器（two-stream decoder）的輸出產(chǎn)生M（該雙流解碼器對應(yīng)于box整個區(qū)域中對象的二進(jìn)制掩碼和語義標(biāo)簽映射）。

圖像生成器（Image Generator）

給定一張圖像I和從結(jié)構(gòu)生成器中獲得的可操縱layout M，圖像生成器輸出區(qū)域內(nèi)由B定義的、內(nèi)容的像素級預(yù)測。

圖像生成器的體系結(jié)構(gòu)

給定一張masked圖像I和語義layout M，該模型使用單獨(dú)的編碼路徑對對象的視覺樣式和語義結(jié)構(gòu)進(jìn)行編碼，并產(chǎn)生被操縱的圖像。

超越當(dāng)前最好標(biāo)準(zhǔn)，從此修圖隨心所欲

定量評估

Ablation Study。 為了分析所提方法的有效性，對該方法的幾種變體進(jìn)行了Ablation Study。 首先考慮圖像生成器的三個基線：

僅限于圖像上下文（SingleStream-Image）；

僅限于語義布局（SingleStream-Layout）；

對上述兩個基線的結(jié)合。

結(jié)果如下表所示：

下圖顯示了基線的定性比較：

定性分析

語義對象處理

通過將汽車的同一個邊界框移動到圖像中的不同位置來展示操作結(jié)果

從圖中可以看到，當(dāng)把車的邊框從一邊移動到另一邊的時候，模型所產(chǎn)生的車輛外觀發(fā)生了變化。有趣的是，汽車的形狀、方向和外觀也會根據(jù)周圍區(qū)域的場景布局和陰影而改變。

在更多樣化的上下文中生成的結(jié)果

該結(jié)果表明，模型在考慮上下文的情況下生成了合適的對象結(jié)構(gòu)和外觀。除了生成與周圍環(huán)境相匹配的對象外，還可以對框架輕松地進(jìn)行擴(kuò)展，允許用戶直接控制對象樣式。

擴(kuò)展式操作

用樣式向量控制對象顏色

結(jié)果表明，模型成功地合成了具有指定顏色的各種對象，同時保持圖像的其他部分不變。

交互式和數(shù)據(jù)驅(qū)動的圖像編輯

圖像編輯是該模型的關(guān)鍵點(diǎn)之一。通過添加、刪除和移動對象邊界框來執(zhí)行交互式圖像處理。 結(jié)果如下圖所示：

在圖像中對多對象進(jìn)行處理的例子

表明該方法生成合理的語義布局和圖像，可以平滑地增加原始圖像的內(nèi)容。除了交互式操作之外，還可以通過以數(shù)據(jù)驅(qū)動的方式對圖像中的邊界框進(jìn)行采樣來自動化操作過程。 結(jié)果如下圖所示：

數(shù)據(jù)驅(qū)動的圖像操作示例

室內(nèi)場景數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果

使用ADE20K數(shù)據(jù)集對臥室圖像進(jìn)行定性實(shí)驗(yàn)。 下圖展示了了交互式圖像處理結(jié)果。

室內(nèi)圖像處理的示例

由于室內(nèi)圖像中的對象涉及更多樣化的類別和外觀，因此生成與場景中的其他組件對齊的適當(dāng)對象形狀和紋理比街道圖像更具挑戰(zhàn)性。

可以看出，該方法生成的對象與周圍環(huán)境可以保持高度一致性。