高效自然图像抠图
计算机视觉与模式识别
2021-10-26 v1
摘要
过去几年中，基于深度学习的方法在自然图像抠图上取得了显著进展。然而，仍有两点不足阻碍图像抠图的广泛应用：对用户提供的 trimap 的依赖以及模型尺寸庞大。本文提出一种无需 trimap 且模型轻量的自然图像抠图方法。利用轻量基础卷积块，我们构建了两阶段框架：分割网络（SN）用于捕获充足语义并将像素分类为未知、前景和背景区域；抠图细化网络（MRN）旨在捕获细节纹理信息并回归准确的 alpha 值。借助所提出的交叉层融合模块（CFM），SN 能以更低计算成本高效利用多尺度特征。MRN 中的高效非局部注意力模块（ENA）可高效建模不同像素间的相关性，并有助于回归高质量 alpha 值。利用这些技术，我们构建了极轻量模型，在主流自然图像抠图基准上以约 1% 的参数（344k）达到了与大型模型相当的性能。
引用
@article{arxiv.2110.12748,
title = {Highly Efficient Natural Image Matting},
author = {Yijie Zhong and Bo Li and Lv Tang and Hao Tang and Shouhong Ding},
journal= {arXiv preprint arXiv:2110.12748},
year = {2021}
}
备注
Full version of BMVC2021