ViTMatte

ViTMatte predicts a foreground alpha matte from an image and a trimap.

Задачи: background removal
Размеры: s at 512 px
Установка: pip install libreyolo
Уровень поддержки: Только инференс, начиная с v1.6.0. Только предсказание, валидация и экспорт. Функции обучения неприменимы.
Исходный проект: ViTMatte от HUST Vision Lab, MIT code; Apache-2.0 weights. Статья, исходный код
Лицензии: Код: MIT, веса: MIT code; Apache-2.0 weights. Коммерческое использование

Install

bash

pip install "libreyolo"

Predict

Python

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreViTMattes-matte.pt", device="cpu")import numpy as npfrom PIL import Image image = Image.open(SAMPLE_IMAGE).convert("RGB")# An all-unknown guide demonstrates the input contract. Supply a real trimap for matting.trimap = np.full((image.height, image.width), 128, dtype=np.uint8)result = model(image, trimap=trimap)result.save("cutout.png")

A trimap marks background as 0, unknown pixels as 128 and foreground as 255. Pass it through trimap= for a single image. Validation accepts trimap_dir or derives guides with trimap_radius. Training and export are not supported.

Validate

Python

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreViTMattes-matte.pt", device="cpu")# A folder with images/ and mattes/ (grayscale alpha mattes, same file stems), or a matte YAML.metrics = model.val(data="path/to/your/matte_dataset", workers=0)print(metrics)

Use the dataset format for this task. Validation explains the dataset requirements and returned metrics.

Checkpoints

Файл	Лицензия весов
Background removal
LibreViTMattes-matte.pt	other

Все перечисленные выше файлы уже доступны в организации LibreYOLO и скачиваются при первом использовании.

Licensing

Проверяйте лицензию в репозитории конкретных весов на Hugging Face. Она указана для каждого чекпойнта в организации LibreYOLO и может различаться даже внутри одного семейства. Этот репозиторий считается авторитетным источником, а сводка ниже описывает условия на момент последней проверки страницы.

Это описание соответствующих лицензий, а не юридическая консультация. Если ответ важен для коммерческого использования, прочитайте лицензии самостоятельно и проконсультируйтесь с юристом.

Оригинальная работа: ViTMatte, HUST Vision Lab
Лицензия исходного проекта: MIT code; Apache-2.0 weights
Исходный код проекта: github.com/hustvl/ViTMatte
Код LibreYOLO: MIT
Веса: MIT code; Apache-2.0 weights, повторно опубликованы на huggingface.co/LibreYOLO
Толкование: The original code is MIT. The publisher card for hustvl/vitmatte-small-composition-1k declares Apache-2.0 for the weights.

Citation

@article{yao2024vitmatte,
  title={ViTMatte: Boosting image matting with pre-trained plain vision transformers},
  author={Yao, Jingfeng and Wang, Xinggang and Yang, Shusheng and Wang, Baoyuan},
  journal={Information Fusion},
  volume={103},
  pages={102091},
  year={2024},
  publisher={Elsevier}
}

Скопировано из блока цитирования авторов на странице raw.githubusercontent.com/hustvl/ViTMatte/main/README.md.