基于渐进细化网络的掩码引导抠图
计算机视觉与模式识别
2021-04-05 v2
摘要
我们提出掩码引导（MG）抠图，一种以通用粗掩码作为引导的鲁棒抠图框架。MG 抠图利用一种网络（PRN）设计，该设计促使抠图模型在解码过程中提供自引导，以渐进细化不确定区域。训练中我们还引入了一系列引导掩码扰动操作，以进一步增强其对外部引导的鲁棒性。我们表明 PRN 可泛化至未见过的引导掩码类型，如 trimap 与低质量 alpha matte，使其适用于多种应用流程。此外，我们重新审视抠图中的前景颜色预测问题，并提出一种出人意料简单的改进以解决数据集问题。在真实与合成基准上的评估表明，MG 抠图在使用各类引导输入时均达到最先进（state-of-the-art）性能。代码与模型见 https://github.com/yucornetto/MGMatting。
引用
@article{arxiv.2012.06722,
title = {Mask Guided Matting via Progressive Refinement Network},
author = {Qihang Yu and Jianming Zhang and He Zhang and Yilin Wang and Zhe Lin and Ning Xu and Yutong Bai and Alan Yuille},
journal= {arXiv preprint arXiv:2012.06722},
year = {2021}
}
备注
CVPR 2021, code available at https://github.com/yucornetto/MGMatting