Smart appearance通过从背景中分割用户来对每个视频帧进行处理。背景分割任务,主要分为数据、模型、损失、训练、推理、后处理 6个部分。在创建模型时,主要技术难点在于如何提高模型的泛化能力,通过搜集开源数据集及自行制作数据集,自制数据集采用简单场景下采集,成熟算法自动标注并结合复杂背景生成新样本的方式进行扩增,进而扩大训练集的丰富性。 在后期处理时,图像分割算法如果直接应用到视频上,会存在明显的人像边缘抖动问题,严重影响用户体验。如何抑制分割结果的抖动,研发人员对模型进行了改进,增加了时域一致性损失,改进了模型的输入,加强了前后帧间的联系,并对模型输出的结果进行后处理,最终得到...