一部手机,万物皆可复制粘贴,这位兼职写代码设计师将AR玩出新高度

机器之心Pro 05-30 190

前言：

如今各位老铁们对“sift算法优缺点”可能比较关注，我们都需要剖析一些“sift算法优缺点”的相关知识。那么小编同时在网摘上网罗了一些有关“sift算法优缺点””的相关知识，希望你们能喜欢，朋友们快快来学习一下吧！

机器之心报道

参与：蛋酱、魔王、杜伟

看到什么就复制什么，这是魔法还是孙悟空的神通？都不是。这是 AR 的魔力。

如何将一件物品的图像导入 Photoshop？首先你要拍摄照片，然后将这张照片通过网络或者存储卡传输到电脑上，再导入 Photoshop 界面。所以，这些流程能不能一步到位？

现在，AR 能做到。

在一款名为 AR Cut & Paste 的工具中，用户只需要在手机上预装这款工具，然后对着目标物体拍摄，即可将图像复制粘贴进 Photoshop，倒是有点「隔空移物」的意思。

先来看看效果：

盆栽。

衣服。

书本。

如上面几张动图所示，不管是盆栽、衣服还是书本，可见即可拷，一键挪进 Photoshop 变为图像素材，完全是平面设计师的福音了。

据介绍，目前该工具的剪切延迟大约为 2.5 秒，粘贴延迟大约为 4 秒，流程还可以进一步加速。此外，作者还预告，下周将会发布另一个 AI+UX 原型！

项目简介

AR Cut & Paste 工具是一个 AR+ML 原型（prototype），借助它你可以从周围环境中拷贝固定对象，并粘贴在图像编辑软件中（Photoshop）。需要特别注意的是，这款工具只适用于 Adobe Photoshop 软件，未来可能支持处理不同的输出。

项目地址：

该原型拥有 3 个独立的模块，分别是手机端 APP、本地服务器和目标检测及背景移除服务。

首先，用户需要在手机上预装 AR Cut & Paste。

npm install

其次，作为手机端 APP 和 Photoshop 之间的 interface，用户需要事先配置本地服务器。

virtualenv venvsource venv/bin/activatepip install -r requirements.txt

最后，显著目标检测和背景移除交由外部服务执行（应用 BASNet 技术）。用户需要用自己的 Photoshop 远程连接密码替换以下代码中的 123456。

python src/main.py \ --basnet_service_ip="; \ --basnet_service_host="basnet-http.default.example.com" \ --photoshop_password 123456

技术细节

该工具使用 BASNet (Qin et al, CVPR 2019) 执行显著目标检测和背景移除。

然后，利用 OpenCV SIFT 找出手机在电脑屏幕上对准的位置。只需要一张手机照片和截图，就可以得到准确的 x, y 屏幕坐标系。

显著目标检测和背景移除

项目作者使用 BASNet 执行显著目标检测和背景移除。

BASNet 出自一篇 CVPR 2019 论文《BASNet: Boundary-Aware Salient Object Detection》，关于边界的显著性检测。其主要创新点在于损失函数的设计，使用了交叉熵、结构相似性损失、IoU 损失的混合损失，使网络更关注边界质量，而不是像以前那样只关注区域精度。在单个 GPU 上能跑 25 fps，在六种公开数据集上能达到 SOTA 效果。

BASNet 的架构如下图所示：

为方便使用，项目作者制作了一个 BASNet HTTP 服务包装器。

GitHub 地址：

定位

SIFT（Scale-invariant feature transform，尺度不变的特征变换）是一种用于关键点检测的算法，SIFT 算法检测到的关键点通常对光线、视角等变化相当稳健，甚至受视线遮蔽的影响也不大。SIFT 算法的另外一个优点就是计算速度非常快，基本可以满足实时运算。

SIFT 算法示例。图源：维基百科 URL：

该工具使用 OpenCV SIFT 找出手机在电脑屏幕上对准的位置。

项目作者将其封装成一个小型 python 包，参见：

GitHub 地址：

作者简介

这款工具的发明者 Cyril Diagne 现居住于法国巴黎，集艺术家、设计师、程序员三种职业身份于一身，是真正的斜杠中年。

2008 年从巴黎的 Les Gobelins 影像学校毕业后，Cyril Diagne 与其他五位同学创立了艺术机构 LAB212。