深度自动自然图像抠图
计算机视觉与模式识别
2021-07-16 v1 人工智能
摘要
自动图像抠图（AIM）指无需 trimap 等任何辅助输入，从任意自然图像中估计软前景，对图像编辑有用。先前方法试图学习语义特征以辅助抠图，但局限于具有显著不透明前景（如人与动物）的图像。本文中，我们探究将其扩展至具有显著透明/精细前景或非显著前景的自然图像时所面临的困难。为解决该问题，提出一种新颖的端到端抠图网络，可为上述任意类型图像预测一个广义 trimap 作为统一语义表示。同时，学到的语义特征通过注意力机制引导抠图网络聚焦于过渡区域。我们还构建了测试集 AIM-500，包含 500 张涵盖所有类型的多样自然图像及人工标注的 alpha 蒙版，使 AIM 模型的泛化能力基准测试成为可能。实验结果表明，我们在现有合成抠图数据集上训练的网络在客观与主观上均优于现有方法。源代码与数据集见 https://github.com/JizhiziLi/AIM。
引用
@article{arxiv.2107.07235,
title = {Deep Automatic Natural Image Matting},
author = {Jizhizi Li and Jing Zhang and Dacheng Tao},
journal= {arXiv preprint arXiv:2107.07235},
year = {2021}
}
备注
Accepted to IJCAI-21, code and dataset available at https://github.com/JizhiziLi/AIM