几种常见的Matting数据集
本文整理了多种Matting数据集,包括alphamatting、PPM-100、Matting_Human_Half、RealWorldPortrait-636、PhotoMatte85、DVM、AIM-500等。所有数据集已经打包放在百度云盘,大家可以自由下载。
数据集列表
-
alphamatting
2009年的一片CVPR提出的数据集,数据量较少,可作为一个toy dataset玩玩。 -
PPM-100
PPM是一种具有以下特征的人像抠图数据集:- 精细注释:所有图像都经过仔细标记和检查
- 自然背景:所有图像都使用原始背景,无需替换
- 丰富多样性:图像涵盖全身/半身和各种姿势
- 高分辨率:图像的分辨率在1080p到4k之间
-
Matting_Human_Half
该数据集是人体半身图像,包含34427对图像-matting图,是目前已知最大的人像Matting数据集。 -
RealWorldPortrait-636
Mask Guided Matting via Progressive Refinement Network (CVPR 2021)中提出的一个数据集,包含636张人像及其对应的标注(alpha, detail map, segmask)。 -
PhotoMatte85
这个数据集只有85张高质量的原图及蒙版,可用于测试,另外还有13K的训练集,作者没有公开。 -
DVM
包含了高质量的视频前景和背景,可通过视频抽帧的方式得到图片数据集,具体参考:https://github.com/nowsyn/DVM。 -
AIM-500
该数据集包含500个不同类型的自然图像及其对应标注的alpha图。 -
Matting (hair&faces)-demo
20张包含人体上半部分的数据集,是一个Demo数据集,原始大小的数据为商用。
下载方式
所有数据集已经打包放在百度云盘,大家可以自由下载。提取码为5apj。
注意事项
请注意,这些数据集是由计算机模拟的颜色,不同设备上显示也有所区别,实际生产中请参阅最新出版的实物色卡确认。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00