用于图像抠图的分层不透明度传播
计算机视觉与模式识别
2020-04-08 v1
摘要
自然图像抠图是计算摄影与计算机视觉中的基本问题。近年来深度神经网络在自然图像抠图上出现了诸多成功方法。与传统基于传播的抠图方法不同，一些顶尖深度图像抠图方法倾向于在网络中隐式地进行传播。亟需一种用于在像素间更直接地传播 alpha 抠图的新结构。为此，本文提出一种分层不透明度传播（HOP）抠图方法，其中不透明度信息在各点不同语义层次的邻域内传播。该分层结构基于一个全局与多个局部传播块。借助 HOP 结构，高分辨率特征图中每个特征点对将依据输入图像外观相连。我们进一步提出一种为图像抠图定制的尺度不敏感位置编码以应对输入图像尺寸不固定，并将随机插值增广引入图像抠图。大量实验与消融研究表明 HOP 抠图能够超越 SOTA 抠图方法。
引用
@article{arxiv.2004.03249,
title = {Hierarchical Opacity Propagation for Image Matting},
author = {Yaoyi Li and Qingyao Xu and Hongtao Lu},
journal= {arXiv preprint arXiv:2004.03249},
year = {2020}
}