一种同时优化图像抠图与调和的生成对抗框架
计算机视觉与模式识别
2021-08-16 v1
摘要
图像抠图与图像调和是图像合成中的两项重要任务。图像抠图旨在获取前景边界细节,图像调和旨在使背景与前景协调,二者均为前景广阔但极具挑战的任务。以往工作将这两项任务分开优化,可能导致次优解。我们提出同时优化抠图与调和,以在两项任务上均获得更好性能并得到更自然的结果。我们提出一种新的生成对抗(GAN)框架,基于自注意力判别器优化抠图网络与调和网络。该判别器需区分自然图像与不同类型的伪造合成图像。在我们构建的数据集上的大量实验证明了所提方法的有效性。我们的数据集及数据集生成流程见 \url{https://git.io/HaMaGAN}。
引用
@article{arxiv.2108.06087,
title = {A Generative Adversarial Framework for Optimizing Image Matting and Harmonization Simultaneously},
author = {Xuqian Ren and Yifan Liu and Chunlei Song},
journal= {arXiv preprint arXiv:2108.06087},
year = {2021}
}
备注
Extension for accepted ICIP 2021