استخراج مات عصبی بدون آموزش برای جلوه‌های بصری: محدودیت‌ها و نتیجه‌گیری

5 محدودیت ها و نتیجه گیری

ما یک رویکرد استخراج مات را با استفاده از تصویر عمیق قبلی معرفی کرده‌ایم. این الگوریتم ساده است و تنها به چند ده خط تغییر کد در U-net موجود نیاز دارد. رویکرد ما بدون آموزش است و بنابراین برای موضوعات متنوع و کم نظیر در تولید ویدیوهای سرگرمی مناسب است. همچنین ممکن است از نظر ماهیت و حل مسئله استخراج مات از نظر نظری جالب توجه باشد. یکی دیگر از کاربردهای بالقوه تولید مات های حقیقتی زمینی است که برای آموزش DL استفاده می شود. همانطور که در مورد بسیاری از الگوریتم‌های ماتینگ وجود دارد، این الگوریتم هدایت درشتی را در قالب یک trimap یا محدودیت‌های مشابه فرض می‌کند. این می تواند توسط هنرمند با استفاده از ابزارهای نیمه اتوماتیک در دسترس ایجاد شود.

هزینه محاسباتی محدودیت عمده روش است، مشابه با روش های کلاسیک [Levin et al. 2008]. زمان‌های محاسبه برای مثال‌های نشان‌داده‌شده در مقاله بر حسب دقیقه (اما نه ساعت) در یک واحد گرافیکی نسل قبلی Nvidia Volta اندازه‌گیری می‌شود. این استفاده از الگوریتم ما را به برنامه‌های آفلاین با کیفیت بالا محدود می‌کند که محاسبات غیرواقعی گسترده در آن‌ها معمول است، در درجه اول فیلم‌ها و ویدیوها. از سوی دیگر، محاسبات می تواند از پشتیبانی از چندین پردازنده گرافیکی ارائه شده در یادگیری عمیق استفاده کند.

Source link