基于数据合成的掩码引导图像人物去除

作为常见物体去除的一个特例，图像人物去除在社交媒体与刑事调查领域正发挥着日益重要的作用。由于人物区域的完整性及人体姿态的复杂性，人物去除有其自身的困境。本文中，我们提出一种从数据合成角度解决这些问题的新思路。针对图像人物去除缺乏专用数据集的问题，提出两种数据集生成方法，分别自动生成图像、掩码与真值。随后，提出一种类似于局部图像退化的学习框架，使掩码可用于引导特征提取过程，并收集更多纹理信息用于最终预测。进一步采用由粗到细的训练策略以细化细节。数据合成与学习框架相互良好结合。实验结果从定量与定性上验证了方法的有效性，且训练所得网络在真实或合成图像上均证明具备良好泛化能力。