https://arxiv.org/pdf/2004.00626.pdf
Теперь метод глубокого обучения → умеет составлять новые изображения → но без всяких зеленых экранов → но есть одна хитрость → нам нужно сделать еще одно фото без человека на переднем плане.
На сегодняшний день → нам нужно создать качественный мат → вручную → , однако теперь мир — это ваш зеленый экран.
Подход к глубокому обучению является естественным решением → здесь сеть принимает разные изображения → и составляет одно изображение → но не похоже, что нам нужны временные очереди. (их метод → имеет некоторые ограничения → но они все равно очень хороши)
Матирование — это естественный процесс обработки изображения → и в целом это похоже на добавление фона через зеленый экран.
Некоторые люди используют KNN с матированием → кажется, что в этой области есть прогресс → очень интересно понять. (Контекстно-зависимое матирование также разработано).
Тренировочный процесс очень сложен → если этот метод не используется для видео → кажется, что это пустая трата сил.
Входные данные для модели → может быть видео → это хорошо → модель может обрабатывать эти файлы mp4.
Можем ли мы просто выполнить сегментацию человека → и сделать очень похожую вещь? (основная идея в этой статье → как естественно сочетать → изображения вместе → нам не нужны никакие артефакты).
Сегментация → имеет какую-то ошибку.
Следы фона → представляют собой проблему → и многое другое → они используют самообучение → для улучшения модели.
GAN → обучение может быть сложным → но в этом сценарии оно было сделано хорошо. (была выполнена какая-то другая постобработка → это действительно не документ CVPR)
Решение не оптимальное → но результаты приемлемые.
Новый контекстный модуль → действительно улучшает общие результаты → это очень впечатляет. (цель состоит в том, чтобы удалить любые данные ручного матирования).
Да, эта бумага довольно дерьмовая
