deep-image-prior

图像语义编辑。例如将眼睛与嘴巴放大，对马的胖瘦调整

视频风格转换。将视频中的图像风格转换成其它类别，例如油画风格，卡通风格等等。

视觉迁移模型。谷歌发文介绍了其BigTransfer（BiT），称其为目前最先进的预训练模型，在分类问题中仅需要每个类少量几个样本即可达到极其优秀的性能。事实上，在ImageNet预训练的ResNet50系列模型是当前的工业标准，用于提取图像特征。在谷歌在论文 BigTransfer (BiT) 中分享的模型则可以轻松打败ResNet50，尽管数据量很少。

物体检测项目。 输入一张图片，输出其中有哪些的物体对象，以及每个对象的位置。其最大的特点是运行速度很快，可以用于实时系统。

去除图中的雨。图像中雨水条纹会严重降低能见度，导致许多当前的计算机视觉算法无法工作，比如在自动驾驶场景下图像去雨就变得非常重要。

语义软分割。语义软分割(Semantic Soft Segments)，旨在精确表示图像不同区域间的软过渡. 类似于磁力套索(magnetic lasso) 和魔术棒(magic wand) 的功能. 普通语义分割将每个像素分配到一个类，语义软分割中则每个像素有可能分配到多个类，且目标之间的过渡区域平滑，这对于图像编辑是非常重要的。以往这需要专业的PS人员处理，而通过软语义分割，将这个过程实现自动化。