今天跟大家聊聊 MAE，何恺明大神的新作 。
我们先说下 MAE 的任务：
文章插图
简单讲：将图片随机遮挡，然后复原 。
并且遮挡的比例，非常大！超过整张图的 80%，我们直接看效果：
文章插图
第一列是遮挡图，第二列是修复结果，第三列是原图 。
图片太多，可能看不清，我们单看一个：
文章插图
看这个遮挡的程度，表针、表盘几乎都看不见了 。但是 MAE 依然能够修复出来：
文章插图
这个效果真的很惊艳！
甚至对于遮挡 95%面积的图片依然 work 。
文章插图
看左图，你能看出来被遮挡的是蘑菇吗？？
MAE 却能轻松修复出来 。
MAE
MAE 的意义不仅在这个修复遮挡，去掉 mask 本身 。更在于为 CV 领域大一统的预训练模型提供了无限的想象 。
做过 NLP 的小伙伴应该知道，在 NLP 任务中，Bert 已经一统江湖 。各子任务（如翻译、生成、文本理解等）均可使用相同的无监督预训练模型 。这保证了每个任务都能有非常不错的效果 。
但在 CV 任务中，却各玩各的，分类任务有自己的无监督学习，检测任务有自己的无监督学习，每个 CV 领域的子任务，都有自己一套无监督学习，一直无法统一 。
而 MAE 一出，可以想象大一统的 CV 无监督预训练模型的时代已不远矣 。
可能这段话，一些刚入门的小伙伴看不太懂 。
没关系，慢慢学 。学了 Bert，你就明白这意味着什么了 。MAE 就是类似 Bert 存在的东西，可以认为它就是 Bert 的一个 CV 版 。
接下来简单讲解下 MAE 。
Vit
讲解 MAE 之前不得不先说下 Vit 。
红遍大江南北的 Vision Transformer，ViT 。
领域内的小伙伴，或多或少都应该听说过 。
它将 Transformer 应用到了 CV 上面，将整个图分为 16 * 16 的小方块，每个方块做成一个词，然后放进 Transformer 进行训练 。
从 ViT 开始，CV 小伙伴们终于可以更优雅地使用 Transformer了 。
MAE
MAE 结构设计得非常简单：
文章插图
将一张图随机打 Mask，未 Mask 部分输入给 Encoder 进行编码学习，这个 Encoder 就是 Vit，然后得到每个块的特征 。
再将未 Mask 部分以及 Mask 部分全部输入给 Decoder 进行解码学习，最终目标是修复图片 。
而 Decoder 就是一个轻量化的 Transformer 。它的损失函数就是普通的 MSE 。
所以说， MAE 的 Encoder 和 Decoder 结构不同，是非对称式的 。Encoder 将输入编码为 latent representation，而 Decoder 将从 latent representation 重建原始信号 。
更详细的细节大家可以直接看看论文：
https://arxiv.org/abs/2111.06377
算法测试
官方刚刚开源6天，就已经获得了1.5k+的 Star，关注度可见一斑 。
文章插图
项目地址：
https://github.com/facebookresearch/mae
项目提供了 Colab，如果你能登录，那么可以直接体验：
https://colab.research.google.com/github/facebookresearch/mae/blob/main/demo/mae_visualize.ipynb
【去除图片遮挡的方法及工具 电脑照片怎么去除马赛克看原图】
文章插图
如果不能登录，可以直接本地部署，作者提供了预训练模型 。
文章插图
一起看下我跑的效果：
文章插图
这个修复效果，你打几分？
最后
MAE 可以用来生成不存在的内容，就像 GAN 一样 。
很多小伙伴可能又有了一些“大胆”的想法，不过玩笑归玩笑，自己玩玩就好，大家还是要遵纪守法哦~
- 镂空毛衣开衫编织款式图片 镂空针织衫编织方法
- 军衔等级肩章排列图片 军衔与官职对照表
- 沁园净水机滤芯怎么拆卸安装 沁园净水器滤芯更换顺序图片
- 怎么样去除拖把上的头发
- 最全的苹果手机截屏操作技巧 苹果手机12怎样截屏图片
- 橡胶味怎么去除
- 图片转文字提取内容技巧 如何扫描图片提取文字
- 敲击类乐器大全图片大全 常见打击乐器图片名称
- 微信截图合并成一张 微信多个图片合成一个图片
- 衣服静电粘身怎么去除