用于前景与透明度同时估计的上下文感知图像抠图
计算机视觉与模式识别
2019-10-04 v2
摘要
自然图像抠图是计算机视觉与图形学中的重要问题。当仅有输入图像而无任何外部信息时，该问题是不适定的。尽管近期的深度学习方法已展现出有前景的结果，但它们仅估计 alpha 抠图。本文提出一种上下文感知的自然图像抠图方法，用于同时估计前景与 alpha 抠图。我们的方法采用两个编码器网络提取抠图所需的关键信息。具体而言，我们使用一个抠图编码器学习局部特征，并使用一个上下文编码器获取更全局的上下文信息。我们将这两个编码器的输出拼接并送入解码器网络，以同时估计前景与 alpha 抠图。为训练整个深度神经网络，我们同时采用标准拉普拉斯损失与特征损失：前者有助于获得高数值性能，而后者带来更具感知合理性的结果。我们还报告了几种极大提升网络泛化性能的数据增强策略。我们的定性与定量实验表明，我们的方法能对单幅自然图像实现高质量抠图。我们的推理代码与模型已公开于 https://github.com/hqqxyy/Context-Aware-Matting。
引用
@article{arxiv.1909.09725,
title = {Context-Aware Image Matting for Simultaneous Foreground and Alpha Estimation},
author = {Qiqi Hou and Feng Liu},
journal= {arXiv preprint arXiv:1909.09725},
year = {2019}
}
备注
This is the camera ready version of ICCV2019 paper