现在人人可试可玩的图像分割来了。
就拿今天凌晨刚夺得欧冠冠军的拜仁来试试手～
然后就变成了这样。
不过，也有翻车的时候，就像这头大象。
分割之后&hellIP;诶，它的另一只牙去哪了？
以及，在同时有手和猫的时候。
它呈现的结果就&hellIP;&hellIP;有点怪异。
这项新应用名叫ObjectCut，在ReddIT上一经发布，12小时就获得700+的热度。
不少网友表示：IT&Rsquo;s aMazing！
简单三步，人人可试可玩
就以上面那头大象为例，使用步骤非常简单。
第二步，网站上将地址粘贴到指定位置，然后点击test Endpoint。
等待几秒之后，点击旁边生成的网址，就大功告成啦！
然后就变成了这样一头少了一颗牙的大象。
还是那个北大校友的研究
是不是觉得这项技术很熟悉，简单几步就可以去移除图片背景？
跟之前的AR应用AR Cut &aMp; Paste&Mdash;&Mdash;将现实物体隔空「复制粘贴」进电脑有异曲同工之妙。
这两项应用背后的主要技术，都是一个叫做BASNet的显著目标检测方法。
这篇研究入围了CVPR 2019，其论文一作是位华人小哥哥&Mdash;&Mdash;秦雪彬，已经于今年2月在在加拿大阿尔伯塔大学拿到了博士学位，硕士就读于北京大学。
BASNet的核心框架如下图所示，主要由2个模块组成：
第一个模块是预测模块，这是一个类似于U-Net的密集监督的EncodeR-DecodeR网络，主要功能是从输入图像中学习预测saliency Map。
第二个模块是多尺度残差细化模块(RRM)，主要功能是通过学习残差来细化预测模块得到的Saliency Map，与gRoun-tRuth之间的残差，从而细化出预测模块的Saliency Map。
而除了BASNet，还有网友推荐了U2-Net，依然来自同一个作者，其效果更好。
其研究是《U2 -Net: Going DeepeR wITh Nested U-structure foR Salient Object Detection》
实验结果像这样：
同一项技术，不一样的玩法，你觉得这个方法还可以做什么有趣的应用？
