面向图像抠图的先验诱导信息对齐
计算机视觉与模式识别
2021-06-29 v1
摘要
图像抠图是一个不适定问题，旨在估计图像中前景像素的不透明度。然而，大多数现有的基于深度学习的方法仍受困于粗粒度细节。一般而言，这些算法无法恰当地区分确定性域（确定的前景与背景像素）与未定域（不确定的中间像素）之间的探索程度，或在连续采样过程中不可避免地丢失信息，从而导致次优结果。本文提出一种名为先验诱导信息对齐抠图网络（PIIAMatting）的新网络，可高效建模像素级响应图的区分性与层间特征图的关联性。其主要由动态高斯调制机制（DGM）与信息对齐策略（IA）构成。具体而言，DGM 可动态获取从先验分布学习到的像素级域响应图；该响应图可呈现训练过程中不透明度变化与收敛过程之间的关系。另一方面，IA 由信息匹配模块（IMM）与信息聚合模块（IAM）组成，联合调度以自适应地匹配与聚合相邻层间特征。此外，我们还开发了多尺度精炼（MSR）模块，在精炼阶段整合多尺度感受野信息以恢复波动的外观细节。大量定量与定性评估表明，所提出的 PIIAMatting 在 Alphamatting.com、Composition-1K 与 Distinctions-646 数据集上优于最先进的图像抠图方法。
引用
@article{arxiv.2106.14439,
title = {Prior-Induced Information Alignment for Image Matting},
author = {Yuhao Liu and Jiake Xie and Yu Qiao and Yong Tang and and Xin Yang},
journal= {arXiv preprint arXiv:2106.14439},
year = {2021}
}
备注
IEEE TMM