Recentemente, o Instituto de Imagem Meitu (MT Lab) e a Universidade de Transportes de Pequim apresentaram conjuntamente uma técnica de recorte de alta resolução chamada MEMatte (Memory Efficient Matting), que foi selecionada com sucesso para a AAAI2025, uma conferência de ponta em inteligência artificial. O maior destaque da técnica MEMatte é que se trata de uma estrutura de recorte de imagens naturais com uso eficiente de memória, capaz de reduzir eficazmente o custo computacional do modelo. Essa inovação torna possível o recorte preciso de imagens de alta definição em ambientes com memória limitada, como placas de vídeo comerciais e dispositivos de borda.

Com o desenvolvimento contínuo da tecnologia de processamento de imagens, a técnica de recorte tem sido amplamente aplicada em vários campos, como produção de vídeo, realidade virtual e realidade aumentada. No entanto, os métodos tradicionais de recorte geralmente exigem muitos recursos computacionais, o que dificulta sua implementação em cenários com recursos limitados. O MEMatte foi desenvolvido justamente para resolver esse problema, melhorando não apenas a eficiência do processamento, mas também mantendo a qualidade das imagens de alta resolução.

Além disso, a equipe de pesquisa também lançou um conjunto de dados de recorte de imagens naturais de ultra-alta resolução chamado UHR-395 (Ultra High Resolution dataset). O lançamento deste conjunto de dados fornecerá recursos valiosos para o treinamento e avaliação de modelos de alta resolução, impulsionando o desenvolvimento de tecnologias relacionadas. Por meio da publicação em código aberto, a equipe de pesquisa espera atrair mais pesquisadores e desenvolvedores para este campo, impulsionando juntos o progresso tecnológico.

Destaques:

1. 🖼️ O Instituto de Imagem Meitu e a Universidade de Transportes de Pequim desenvolveram em conjunto a técnica MEMatte, selecionada para a conferência AAAI2025.

2. ⚙️ A técnica MEMatte é eficiente em termos de memória, reduzindo eficazmente o custo computacional e sendo adequada para dispositivos com recursos limitados.

3. 📊 Lançamento do conjunto de dados de recorte de imagens de ultra-alta resolução UHR-395, auxiliando no treinamento e avaliação de modelos de alta resolução.