PP-Matting：高精度的自然图像抠图
计算机视觉与模式识别
2022-04-21 v1 人工智能
摘要
自然图像抠图是一项基础且具有挑战性的计算机视觉任务。它在图像编辑与合成中有诸多应用。近来，基于深度学习的方法在图像抠图上取得了巨大进展。然而，其中多数需要用户提供 trimap 作为辅助输入，这限制了抠图在现实世界中的应用。尽管已有一些无 trimap 的方法被提出，但其抠图质量相较基于 trimap 的方法仍不尽如人意。在无 trimap 引导的情况下，抠图模型易遭受前景-背景歧义，并在过渡区域产生模糊细节。本工作中，我们提出 PP-Matting，一种可实现高精度自然图像抠图的无 trimap 架构。我们的方法采用高分辨率细节分支（HRDB），在保持特征分辨率不变的同时提取前景的细粒度细节。此外，我们提出语义上下文分支（SCB），其采用语义分割子任务，防止细节预测因语义上下文缺失而陷入局部歧义。我们还在两个知名基准 Composition-1k 和 Distinctions-646 上进行了大量实验。结果证明了 PP-Matting 相对于先前方法的优越性。进一步，我们在人像抠图上对所提方法做了定性评估，展现出其在实际应用中的卓越性能。代码与预训练模型将于 PaddleSeg 提供：https://github.com/PaddlePaddle/PaddleSeg。
引用
@article{arxiv.2204.09433,
title = {PP-Matting: High-Accuracy Natural Image Matting},
author = {Guowei Chen and Yi Liu and Jian Wang and Juncai Peng and Yuying Hao and Lutao Chu and Shiyu Tang and Zewu Wu and Zeyu Chen and Zhiliang Yu and Yuning Du and Qingqing Dang and Xiaoguang Hu and Dianhai Yu},
journal= {arXiv preprint arXiv:2204.09433},
year = {2022}
}