基于引导上下文注意力的自然图像抠图

近年来，基于深度学习的方法在自然图像抠图中取得了显著进展。许多方法能生成视觉上合理的 alpha 估计，但在半透明区域通常产生模糊的结构或纹理。这是由于透明物体的局部歧义性。一种可能的解决方案是利用远周边信息来估计局部不透明度。传统的基于亲和力的方法常受限于高计算复杂度，不适用于高分辨率 alpha 估计。受基于亲和力的方法以及上下文注意力在图像修复中成功的启发，我们提出了一种新颖的端到端自然图像抠图方法，带有专门设计的引导上下文注意力模块。引导上下文注意力模块基于学习到的低级亲和力，将高级不透明度信息全局直接传播。所提方法能同时模拟基于亲和力方法的信息流并利用深度神经网络学到的丰富特征。在 Composition-1k 测试集和 alphamatting.com 基准数据集上的实验结果表明，我们的方法在自然图像抠图中优于当前最优方法。代码和模型见 https://github.com/Yaoyi-Li/GCA-Matting。