Récemment, le MT Lab (Institut d'imagerie Meitu) et l'Université des transports de Beijing ont conjointement proposé une technique de découpage d'images à très haute résolution appelée MEMatte (Memory Efficient Matting), qui a été sélectionnée pour la conférence AAAI 2025, une conférence de premier plan dans le domaine de l'intelligence artificielle. Le principal atout de la technique MEMatte réside dans le fait qu'il s'agit d'un cadre de découpage d'images naturelles économe en mémoire, capable de réduire efficacement les coûts de calcul du modèle. Cette innovation permet le découpage précis d'images haute définition dans des environnements à mémoire limitée, tels que les cartes graphiques commerciales et les appareils périphériques.
Avec le développement constant des techniques de traitement d'images, la technique de découpage est largement utilisée dans de nombreux domaines, tels que la production vidéo, la réalité virtuelle et la réalité augmentée. Cependant, les méthodes de découpage traditionnelles nécessitent généralement d'importantes ressources de calcul, ce qui les rend difficiles à mettre en œuvre dans certains scénarios aux ressources limitées. MEMatte a été développé précisément pour résoudre ce problème ; il améliore non seulement l'efficacité du traitement, mais maintient également la qualité des images haute résolution.
De plus, l'équipe de recherche a également publié en open source un ensemble de données de découpage d'images naturelles à très haute résolution appelé UHR-395 (Ultra High Resolution dataset). Le lancement de cet ensemble de données fournira de précieuses ressources pour l'entraînement et l'évaluation des modèles haute résolution, stimulant ainsi le développement de technologies connexes. Grâce à l'open source, l'équipe de recherche espère attirer davantage de chercheurs et de développeurs à participer à ce domaine et à contribuer ensemble au progrès technologique.
Points clés :
1. 🖼️ Le MT Lab (Institut d'imagerie Meitu) et l'Université des transports de Beijing ont conjointement développé la technique MEMatte, sélectionnée pour la conférence AAAI 2025.
2. ⚙️ La technique MEMatte est économe en mémoire et permet de réduire efficacement les coûts de calcul, ce qui la rend adaptée aux appareils aux ressources limitées.
3. 📊 Publication en open source de l'ensemble de données de découpage d'images à très haute résolution UHR-395, pour faciliter l'entraînement et l'évaluation des modèles haute résolution.