基于可变形图精炼的级联图像抠图
计算机视觉与模式识别
2021-05-11 v2
摘要
图像抠图是指对前景物体的不透明度进行估计。抠图结果需要前景物体正确的轮廓和精细的细节。为了更好地完成人体图像抠图任务，我们提出了带有可变形图精炼（DGR）的级联图像抠图网络（CasDGR），该网络可在无任何额外输入的情况下从单张人体图像自动预测精确的 alpha 抠图。我们采用网络级联架构从低到高分辨率执行抠图，对应于由粗到精的优化。我们还引入了基于图神经网络（GNNs）的可变形图精炼（DGR）模块，以克服卷积神经网络（CNNs）的局限。DGR 模块能有效捕获长程关系并获得更多全局与局部信息，从而帮助生成更精细的 alpha 抠图。我们还通过动态预测邻域降低了 DGR 模块的计算复杂度，并将 DGR 模块应用于更高分辨率特征。实验结果表明，我们的 CasDGR 在合成数据集上取得了最先进的性能，并在真实人体图像上产生了良好结果。
引用
@article{arxiv.2105.02646,
title = {Cascade Image Matting with Deformable Graph Refinement},
author = {Zijian Yu and Xuhui Li and Huijuan Huang and Wen Zheng and Li Chen},
journal= {arXiv preprint arXiv:2105.02646},
year = {2021}
}