语义人像抠图
计算机视觉与模式识别
2018-09-19 v2 图形学
机器学习
机器学习
摘要
人像抠图，即从自然图像中高质量提取人，对多种应用至关重要。由于抠图问题约束严重不足，以往大多数方法需要用户交互，以用户指定的 trimap 或涂鸦作为约束。这种人在回路的特性使它们难以应用于大规模数据或时间敏感场景。在本文中，我们不使用显式用户输入约束，而是采用从数据中学习的隐式语义约束，并提出一种自动人像抠图算法（SHM）。SHM 是首个学习用深度网络联合拟合语义信息和高质细节的算法。实践中，同时学习粗语义和细细节具有挑战性。我们提出了一种新颖的融合策略，自然地给出 alpha matte 的概率估计。我们还构建了一个由 35,513 个独立前景组成、带高质量标注的极大数据集，以促进人像抠图的学习与评估。在该数据集和大量真实图像上的广泛实验表明，SHM 取得了与最先进交互式抠图方法相当的结果。
引用
@article{arxiv.1809.01354,
title = {Semantic Human Matting},
author = {Quan Chen and Tiezheng Ge and Yanyu Xu and Zhiqiang Zhang and Xinxin Yang and Kun Gai},
journal= {arXiv preprint arXiv:1809.01354},
year = {2018}
}
备注
ACM Multimedia 2018