0
| 本文作者： 劉琳 | 2020-05-06 19:59 |
聰明的人確實(shí)是可以做很多事的。
近日，一位身兼數(shù)職的斜杠青年 Cyril Diagne 設(shè)計(jì)了一個(gè)復(fù)制粘貼的工具，只要你擁有一個(gè)支持 AR 功能的智能手機(jī)，在手機(jī)上預(yù)裝這款名為 AR Cut & Paste 的工具，然后拍下你想復(fù)制的東西，便可將圖像復(fù)制粘貼進(jìn) Photoshop。
圖自：網(wǎng)絡(luò)
這里是視頻鏈接：http://t.cn/A6A6NL1q 。
圖自：視頻截圖
正如上面幾張圖片所示，這款工具什么都可以一鍵復(fù)制，設(shè)計(jì)師們?cè)僖膊挥脫?dān)心素材不夠用了！不過(guò)，目前該工具的剪切延遲大約為 2.5 秒，粘貼延遲大約為 4 秒，流程還可以進(jìn)一步加速。
令人期待的是，作者還給大家留了一個(gè)小驚喜：下周將會(huì)發(fā)布另一個(gè) AI+UX 原型！
也許是設(shè)計(jì)師出身的緣故， Cyril Diagne 總是有很多出人意料的想法。
比如，他曾經(jīng)研究出一種人臉涂鴉工具，借助 Tensorflow.js、FaceMesh 和 Three.js 即可在網(wǎng)頁(yè)瀏覽器上使用 AR 對(duì)臉部進(jìn)行涂鴉。
圖自：github
還有一款可在 Instagram 個(gè)人主頁(yè)圖像上添加 3D 效果的 chrome 擴(kuò)展程序，效果生成類(lèi)似于 Facebook 3D 照片功能，讓 2D 照片也能呈現(xiàn)多角度的景象。
圖自：github
那么，這款工具又是如何實(shí)現(xiàn)將現(xiàn)實(shí)照片直接復(fù)制進(jìn) Photoshop 的呢？
據(jù)作者上傳到 github 的資料顯示，AR Cut & Paste 工具是一個(gè) AR+ML 原型（prototype），它可以從周?chē)h(huán)境中拷貝固定對(duì)象，并粘貼在圖像編輯軟件中（Photoshop）。不過(guò)，這款工具目前只適用于 Photoshop 軟件，未來(lái)可能支持處理不同的輸出。
該原型作為 3 個(gè)獨(dú)立模塊運(yùn)行：即移動(dòng)應(yīng)用、本地服務(wù)器和顯著性檢測(cè)和背景去除服務(wù)。
具體使用方法如下：
首先，你需要在手機(jī)上預(yù)裝這款工具；
npm install
其次，你需要更新一下 IP 地址，并指向你的本地配置；
3: const URL = "http://192.168.1.29:8080";
最后，顯著目標(biāo)檢測(cè)和背景移除由外部服務(wù)執(zhí)行（即 BASNet 技術(shù)）。
curl https://download.pytorch.org/models/resnet34-333f7ec4.pth -o resnet34-333f7ec4.pt
docker build -t basnet .
docker run --rm -p 8080:8080 basnet
BASNet 是一種關(guān)于邊界的顯著性檢測(cè)，其聚合了多層深度特征的網(wǎng)絡(luò)，它更關(guān)注整個(gè)圖像的全局對(duì)比度上，而不是局部或像素特征，所以，相比其他的顯著性檢測(cè)方法，能夠大大減少誤差。
在架構(gòu)上，主要分為兩個(gè)模塊：
圖自：BASNet : Boundary-Aware Salient Object Detection 論文
預(yù)測(cè)模塊：設(shè)計(jì)成編解碼網(wǎng)絡(luò)，因?yàn)檫@種結(jié)構(gòu)能同時(shí)捕獲高層次的全局上下文和低層次的細(xì)節(jié)。編碼器有一個(gè)輸入卷積層和由基本res塊組織稱(chēng)的六部分。為了更進(jìn)一步捕捉全局信息，在編碼器和解碼器之間加了一個(gè)橋接塊，包含三個(gè)卷積層。解碼器與編碼器基本對(duì)稱(chēng)，每個(gè)階段的輸入是解碼器的前一階段的上采樣和編碼器相應(yīng)階段輸出的級(jí)聯(lián)。取最后一層精度最高的圖作為預(yù)測(cè)模塊的輸出。
優(yōu)化模塊：通過(guò)殘差塊優(yōu)化粗糙的顯著圖。粗糙包括：1）模糊有噪聲的邊界；2）不均勻預(yù)測(cè)的區(qū)域概率。實(shí)際的粗糙預(yù)測(cè)圖兩種都包含。殘差優(yōu)化模塊最初被提出用來(lái)用于邊界優(yōu)化，然而，由于設(shè)計(jì)的模塊很淺，難以捕獲高級(jí)信息進(jìn)行優(yōu)化。RRM采用殘差編解碼器架構(gòu)，包含輸入層，編碼器，橋接層，解碼器和輸出層，編碼器和解碼器包含4個(gè)階段，每個(gè)階段只有一個(gè)卷積層。
總的損失等于每個(gè)輸出圖的損失的加權(quán)和。共有 8 個(gè)輸出，7 個(gè)來(lái)自預(yù)測(cè)模塊，1 個(gè)來(lái)自優(yōu)化模塊。
每層的損失包括三個(gè)部分：BCE loss、SSIM loss 和 IoU loss。
這樣一來(lái)，就能獲得高置信度顯著圖和清晰邊界。
然后，利用 OpenCV SIFT 找出手機(jī)在電腦屏幕上對(duì)準(zhǔn)的位置。只需要一張手機(jī)照片和截圖，就可以得到準(zhǔn)確的 x, y 屏幕坐標(biāo)系。
這就是這款軟件的全部使用細(xì)節(jié)及技術(shù)細(xì)節(jié)，感興趣的童鞋可以自己輸入代碼嘗試下。
需要注意的是，該設(shè)計(jì)的作者也表示，目前這只是一個(gè)研究原型，但根據(jù) Diagne 視頻的回復(fù)，似乎已經(jīng)有數(shù)家公司在開(kāi)發(fā)類(lèi)似的軟件。相信在不久的將來(lái)你可能會(huì)在應(yīng)用商店看到類(lèi)似的工具。
而這項(xiàng)設(shè)計(jì)的深遠(yuǎn)意義則在于它巧妙地顛倒了通常的增強(qiáng)現(xiàn)實(shí)范式，不是將數(shù)字圖像投射到物理世界，而是將物理世界帶入數(shù)字世界。
雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)
參考來(lái)源：
[2]https://github.com/cyrildiagne/ar-cutpaste
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
