cv_hrnetocr_skychange｜天空图像替换模型
换天算法是计算机视觉的经典任务之一，也是image sky matting的应用之一。输入一张原图A以及一张参考图B，换天算法会得到两张图片对应的天空区域的alpha图（alpha属于软分割，与硬分割mask不同，mask将视频分为前景与背景，取值为0或1，而alpha的取值范围是0到1之间，数值代表透明度，因此alpha比mask更为精细） 换天算法利用A和B图对应的天空区域alpha图，配合融合算法，将参考图B的天空样式替换到原图A中，从而改变原图A的天空样式，实现换天功能。
模型结构介绍
该模型由三大部分构成：低分辨率处理模块，高分辨率处理模块和换天模块；
其中低分辨率处理模块的backbone是基于hrnet-ocr框架实现的，采用了w18v2的版本，为了实现更好的效果，我们对原网络模块进行了一定修改，主要添加了自设计的super模块以及ASPP模块，扩大了感受野，重新进行分割训练，这部分的结果作为高分辨率处理模块的输入； 高分辨率处理模块基于UNET，实现对低分辨率后超分至原有分辨率，该层具有可学习参数，效果远优于直接上采样效果; 换天模块基于Multiband blender 图像拼缝技术实现；
使用方式和范围
使用方式：
- 支持GPU/CPU推理，在任意两张包含天空的图片上进行直接推理和换天操作。
使用范围:
- 包含天空区域的图片（3通道RGB图像，支持PNG、JPG、JPEG格式），图像分辨率建议小于5000×5000，低质图像建议预先增强处理。
目标场景:
- 艺术创作、社交娱乐。
抠像建议
人物抠像
如果您想对人像抠图查看以下文章，因为您目前所浏览的模型仅对天空检测支持较好，对人物的抠图效果较差。
物体抠像
如果您想对物体抠图查看以下文章，因为您目前所浏览的模型仅对天空检测支持较好，对物体的抠图效果较差。
视频抠像
如果您想对视频抠图查看以下文章，因为您目前所浏览的模型仅对天空检测支持较好，对视频的抠图效果较差。
部署教程
如果您是初学者，对于命令行不太理解，那么请按下键盘上的Win键+R键后，在弹出的新窗口内输入CMD并按下回车，打开CMD窗口，按顺序执行如下的每一条命令。
首先我们需要确认一个工作目录，用来存放cv_hrnetocr_skychange的相关环境依赖文件。本站所选择的目录为D盘的根目录下openai.wiki文件夹，完整路径为：D:\openai.wiki\cv_hrnetocr_skychange。
检测D盘是否在openai.wiki目录下有没有cv_hrnetocr_skychange文件夹，没有则创建该文件夹。
if not exist D:\openai.wiki\cv_hrnetocr_skychange mkdir D:\openai.wiki\cv_hrnetocr_skychange
强制切换工作路径为D盘的openai.wiki\cv_hrnetocr_skychange文件夹。
cd /d D:\openai.wiki\cv_hrnetocr_skychange
为不影响电脑中的现有环境，请一定要安装Conda，如果您不知道什么是Conda，或者未安装过Conda，请参考如下文章，安装部署Conda之后再继续以下步骤。
在CMD中执行下面的命令行，创建Conda虚拟环境至该项目的目录中，方便日后重装系统也能够正常使用，无需重新部署环境。
conda create -p D:\openai.wiki\cv_hrnetocr_skychange\ENV python=3.7
执行完成上面的命令之后，将会在CMD窗口中看到Proceed ([y]/n)?提示，我们直接按下回车即可。
初始化Conda环境，避免后续可能报错。
conda init cmd.exe
激活已创建的Conda环境，这样我们可以将我们后续所需要的所有环境依赖都安装至此环境下。
conda activate D:\openai.wiki\cv_hrnetocr_skychange\ENV
执行如下命令，安装阿里达摩院相关依赖。
pip install modelscope
执行如下命令，安装torch依赖。
pip3 install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple
执行如下命令，安装CV2依赖库。
pip install opencv-python
使用教程
推荐下载VS Code代码编辑器，然后在代码编辑器器内新建一个Python文件，粘贴如下代码，在代码编辑器的右下角选择Python环境为D:\openai.wiki\cv_hrnetocr_skychange\ENV。
默认情况下，使用该方式将会仅输出视频的黑白遮罩，如果您会使用PhotoShop或After Effects等软件，那么您肯定会了解遮罩的作用是什么，您可以理解为这个遮罩层的白色为保留区域，黑色删除的部分。
该模型官方并未给了示例，本站已经帮您写好了相关的代码，复制粘贴即可使用。
注意：请自行输入输出路径和图片名称，然后再执行如下代码，否则会报错。
# 此脚本由openai.wiki提供，转载请注明出处，谢谢配合。
import cv2
import os.path as osp
import modelscope
from modelscope.outputs import OutputKeys
from modelscope.pipelines import pipeline
from modelscope.pipelines.base import Pipeline
from modelscope.utils.constant import Tasks
# 被更改天空的图片路径
scene_IMG = 'D:/openai.wiki/cv_hrnetocr_skychange/openAI_wki.jpg'
# 参考的天空图片路径
input_SkyIMG = 'D:/openai.wiki/cv_hrnetocr_skychange/openAI_wki_Sky.jpg'
# 合成输出图片路径
output_SkyIMG = 'D:/openai.wiki/cv_hrnetocr_skychange/openAI_wki_F.jpg'
image_skychange = pipeline(Tasks.image_skychange,
model='damo/cv_hrnetocr_skychange')
result = image_skychange({'sky_image':input_SkyIMG,
'scene_image':scene_IMG})
cv2.imwrite(output_SkyIMG, result[OutputKeys.OUTPUT_IMG])
print(f'Output written to {osp.abspath(output_SkyIMG)}')
效果展示
远山做为场景输入+城市天空=最终效果
城市做为场景输入+远山天空=最终效果
评论 (0)