用于自然图像抠图的长程特征传播
计算机视觉与模式识别
2024-02-29 v1 机器学习
多媒体
摘要
自然图像抠图估计 trimap 中未知区域的 alpha 值。近来基于深度学习的方法依据未知区域与已知区域间的相似性将 alpha 值从已知区域传播至未知区域。然而,我们发现由于常见卷积神经网络有效感受野较小,未知区域中超过 50% 的像素无法与已知区域像素建立关联,当未知区域像素不能仅由感受野内像素推断时,这会导致不准确估计。为解决该问题,我们提出长程特征传播网络(LFPNet),其学习感受野之外的长程上下文特征用于 alpha 抠图估计。具体而言,我们首先设计传播模块从下采样图像提取上下文特征;接着提出中心-环绕金字塔池化(CSPP),显式地将上下文特征从环绕上下文图像块传播至内部中心图像块;最后使用抠图模块,以图像、trimap 与上下文特征估计 alpha 抠图。实验结果表明,在 AlphaMatting 与 Adobe Image Matting 数据集上,所提方法优于当前最优(state-of-the-art)方法。
引用
@article{arxiv.2109.12252,
title = {Long-Range Feature Propagating for Natural Image Matting},
author = {Qinglin Liu and Haozhe Xie and Shengping Zhang and Bineng Zhong and Rongrong Ji},
journal= {arXiv preprint arXiv:2109.12252},
year = {2024}
}