“AI抠图，细至发丝，童叟无欺，假一赔十……”
随着AI技术的发展，抠图业也步入了新的竞争格局中，老牌巨头、新兴APP、开源项目、论文实现齐上阵，要把头发丝都抠出来。
不过，吆喝一时爽，抠图火葬场，到底谁家的抠图最智能？谁家的AI最聪明？这是对计算机视觉技术的考验，也是对选择恐惧症用户的考验……
在介绍我们的测评对象之前，需要先说一下目前智能抠图界的两大潮流风向：
一是全自动抠图，扔一张图进去，就自动抠好了，而且很有自信，不给你留手动调整的机会；
二是半自动抠图，通过简单的标点划线，选择图片上需要抠出来的部分，反选图片上需要抹去的部分，提示AI抠哪里。
当然，还有一些应用是两者结合的，AI自动抠出它认为是主角的物体，然后你可以手动标注需要抠出来的部分和需要抹去的部分，帮助AI纠错。
至于PS套索那种纯人工抠图嘛，不在本次测评范围之内。
现在，请我们的六名选手登场：
马卡龙玩图
抠图界小网红，曾用名Versa，早期以风格迁移著称，也就是把你的照片改成名画的风格，这家公司的主要技术方向是类脑人工智能，可以实现全自动抠图。
么么照
来自京东Y事业部，和上面的马卡龙玩图类似，也是全自动抠图，可以抠下来换背景。
美图秀秀
老牌修图软件，可以实现半自动抠图。
但是量子位在美图秀秀的移动端、web端和Mac端都没有找到抠图功能，只有windows电脑客户端才有抠图功能，都9012年了……
稿定抠图
Web端抠图神器，不用下任何客户端和APP，适合低频次需求。
不过，稿定抠图仅支持.webp和.webp格式图片，大小不超过9MB，半自动抠图，需要标注保留和抹去的部分。
PPT
没错！Office家族，都是附带抠图功能的，只要选中图片，删除背景就行，全自动/半自动混合抠图模式，办公小助手，美化PPT插图压根不需要专门打开PS抠图。
当然，和Office家族功能类似的金山家族和苹果Keynote其实也可以抠图。
PhotoShop CC 2019
修图巨头Adobe旗下C位的软件，设计师们吃饭的家伙，具有海量复杂、专业的功能，最新的版本可以通过“选择主体”功能实现一键抠图。
本次测评设置了四大考点，分别是：
抠图精细度：到底能不能抠头发丝？
前景背景区分：颜色一样，还能分出来么？
多人合照：大合照，能抠出几个人？
主角非人类：如果照片主角不是人，是我家主子会怎样？
四大考点分别对应四道题目，每道题目是六个抠图应用抠同一张图，比对用时、操作和效果。
为了表示自己抠图细致，不少应用都宣称自己是“发丝级”抠图，效果究竟如何？
我们找到了这张Taylor Swift的照片，金色的卷发刚好造成边缘处有很多很多头发丝，让抠图AI们抠个够。
AI们的表现如下：
这是难分伯仲的一道题，边缘处理都比较粗糙，仅有马卡龙玩图略微露出了一点头发丝的痕迹。
马卡龙玩图
马卡龙大约运转了10秒就抠好了，的的确确保留了一部分模糊的头发丝，虽然也有一部分被抹掉了；整体边缘是最圆滑的，换背景的话几乎可以直接拿来用，不用做进一步的修整涂抹；
可以说，马卡龙效果最好，是本轮冠军。
稿定抠图
大约用了不到半分钟标注要保留的区域，基本没保留什么头发丝，反而为了头发丝把边缘处理成了锯齿状。
PPT
自动选定人物，瞬间就抠好了。当然，头发丝基本没保留，边缘效果也不是很好。
PS
保留了一部分绿色背景，感觉AI在判断边缘的时候陷入了焦虑。
么么照
么么照自动处理得很快，只用了两三秒，但是图片被压缩过了，头发丝也就不那么明显了，看不出抠了头发丝的痕迹。另外Taylor的左边有一些残渣，仿佛AI很努力地要抠头发丝，但是最终还是失败了。
美图秀秀
美图秀秀的边缘处理仿佛是在搞笑，就像用手从海报上撕下来的一样参差不齐，想要保留头发丝，结果干脆保留了一部分背景，让人难以理解，不推荐。
为了完成这个挑战，我们找到了在康熙朝任职的“中国圣诞老人”鳌拜大人，鳌拜的暗色衣服和下方黑暗的背景几乎融为一体，头顶的顶戴花翎和背景的张灯结彩也刚好都是红色。
不知道是不是这道题太难了，三位选手连完整的人都没有抠下来。
马卡龙
人物形象完美，就是红顶子拿捏不准，整体尚可。
PPT
边缘略有参差，整体效果尚可。
稿定抠图
边缘十分感人，为鳌拜的衣服增加了自己的设计，仿佛鳌拜穿了奇装异服。
么么照
么么照无法区分右下方黑色的衣服和黑色的背景，不及格。
美图秀秀
美图秀秀是不是以为圣诞老爷爷是抽象画？眼里只认红顶子和白胡子？
连肩膀的形状都没有抠出来，只能说，不及格。
PS
这不是我认识的那个Adobe，竟然只把最像圣诞老人的头部抠下来了，不及格。
重点是，连完整的“Merry Christmas”都没抠出来。
我们把背景变成黑的看一下，一句话竟然漏掉了三个字母，真是匪夷所思。
当图片上有不止一个人，有人站C位，有人站角落的时候，抠图应用能做到把它们都找出来么？
为此，量子位找到了这张谷歌大脑成立时的合影，Geoffrey Hinton、Jeff Dean、Samy Bengio、Vincent Vanhoucke等大佬纷纷上镜，全图总共17个人，还有中间那张大海报、旁边的桌子和显示器做为干扰，是可以让抠图AI们好好琢磨一阵了。
马卡龙玩图
17个人每个人基本都被分开了，可以进行单独编辑。阴影和牛仔裤交错的下半部分也做了区分，可以说令人惊喜。美中不足的是，电脑显示屏没有抹掉。
PPT
虽然处理时间长达6分钟，做了40个手动标注，不过大块的非人物部分都去掉了，除了超高难度的下半部分，整体画面还算干净。作为一个办公软件里的小功能，能做到这样已经相当优秀了。
稿定抠图
一些多余的部分没有去掉，只能说是一个平庸、没有野心的抠图软件。
美图秀秀
电脑桌和下半部分基本没动，成功的避开了所有考点。让人不得不吐槽的是上面那个紫色的小点：
仔细看，是天花板上毛绒骰子“2”那一侧，看起来萌萌哒，难不成美图秀秀认为这是个可爱的小脸？
PS
左下部分跟没抠一样，上面抠了的部分，也是幽灵制造机啊。
△ 你后面有人
△ 你们后面也有人
吓得我点了左上角的叉叉。
么么照
这哪里是抠图，下半部分仿佛霉菌菌落一样的密集的点点，难不成这张照片在上海经历了梅雨季节？只能说不合格。
许多抠图应用都针对人做了专门的训练，它们可以自动的找出图片上所有的人。
可是，如果想给孙子抠个佩奇怎么办？
因此，我们找了个佩奇：
O(∩_∩)O哈哈~
这得问一下抠图AI：啥是佩奇？
AI：一千个AI心里有一千个佩奇。
美图秀秀
虽然边缘比较粗糙，不过形状基本合格。
PPT
框定范围后全自动抠图，没有手动干预就能抠出一个完整的佩奇，但是，为什么佩奇的眼神如此空洞？
好在，手动点选之后可以解决这个问题，也不费事。
PhotoShop
PS有一个好处，它自动的识别了所有类型的主角，不管是不是人，都公平对待。但是，佩奇的耳朵呢？怎么丢了一只？
稿定抠图
抠是抠出来了，就是无法精准的识别什么是佩奇的一部分。
换句话说，它搞不清楚“什么是佩奇”。
么么照
不及格选手，只抠了佩奇的眼睛鼻子和一只手臂，难不成是觉得上半部分的佩奇比较像人脸？
马卡龙玩图
不及格选手，想抠人也就罢了，抠的不是手而是衣服这就有点匪夷所思了。
一个好的修图软件必定秀外慧中，不仅抠图质量要过关，在细节设计上也得配得上“猪猪软件”的称号。
比如操作简便性：
除了专业赛道的P图一哥PhotoShop外，其他软件基本无需学习就能上手。
不过美图秀秀操作略麻烦，不仅移动端无入口可抠，还没有提供Mac版的客户端，想要有上美图秀秀的抠图功能，需要先找一台Windows系统的电脑。
从时间方面来看，马卡龙、么么照和PhotoShop这种全自动玩家总体优先于半自动玩家不少，半自动选手用时长短与图片难度和你要求的精细度有很大关系。
效果可粗可精，时间可长可短。
不过，PS等这种半自动的应用也是专业玩家/强迫症患者放空自己的一种方式，俗话说毕竟没有最好，只有更好嘛。
综合抠图质量、操作难度和用户体验，量子位做出一张智能抠图推荐榜：
马卡龙玩图
推荐指数：????????
抠人专用，全自动、准确，但除人之外不能抠
PPT
推荐指数：????????
办公场景必用、简单标记就行，性价比之王
稿定抠图
推荐指数：??????
轻量级网页应用，只要肯精修，效果还是可以
Photoshop
推荐指数：??????
“选择主体”新功能并非尽善尽美，如果有耐心可以慢慢手动抠呀
么么照
推荐指数：??
抠人专用，全自动见效快，效果如何看天意吧
美图秀秀
推荐指数：?
O__O …小老弟，你为什么如此想不开？
问题来了，这些应用是怎么完成抠图的鸭？
抠图，也就是把一张照片里的主角或者一类物体自动抠下来的操作，在学术领域有专门的英文名Image Matting。
想不到吧，这种连80岁老太都会玩的修图操作，其实也可以被形式化为一个数学问题，即下面这个“求解抠图方程式”：
I=αF （1-α）B，α∈[0,1]
其中，I是图像RGB色彩，F为前景色，B为背景色，α为预测前景蒙版。这样来看，抠图这件事就被形式化为两种颜色的线性组合，因此目前大多数方法将其近似为一个色彩问题，可以用多种算法来实现抠图效果。
视觉显著性检测（Visual saliency detection）就是常用方法的一种：
举个，当你一眼望到那张霉霉的照片，是不是最先注意到的是照片里有个人→金发红唇→应该是美女，随后才注意到了绿色的背景和其中模糊的绿叶？
△ AI觉得你是这么理解的
好巧，AI和你想的一样。
在视觉显著性检测中，AI会尝试模拟人的视觉特点，猜测你可能对图中哪些物体感兴趣（也就是显著区域），并把这部分自动提取出来。
抠图这件小事不就完成了！
图像分割（Image Segmentation）也能实现将主角抠出来的效果，它有几个子分类，包含语义分割和实例分割等细化的技术，分割精度也在逐年升高。
和视觉显著性检测不同，分割大法不是AI找你感兴趣的，而是在图像中找到自己会认的。
在语义分割任务中，照片里的每个像素都被打上了一个标签，比如在这张道路场景图中，绿色色块代表行道树，蓝色色块表示车辆，紫色色块代表道路。
但是，语义分割只能识别这个像素属于树，却没有办法判断一个像素块的位置到底是属于哪棵树。想要要AI识别出个体，就得派实例分割上场了。
和语义分割不同，实例分割不需要标记每个像素，它只要找到物体的边缘轮廓就好了，标记上不同的颜色，个体分离技能get。
所以不难理解，在抠谷歌大脑团队的那张合影时，有的应用可以抠出单个人并对其单独编辑了。
