balabalabiubiu-CSDN博客

原创 Hierarchical Opacity Propagation for Image Matting

Hierarchical Opacity Propagation for Image Matting论文链接：https://arxiv.org/pdf/2004.03249.pdf发表出处：2020 CVPR1.概述本文提出了一种分层不透明度传播hierarchical opacity propagation(HOP)抠图方法，其中不透明度信息在不同语义级别的每个点的邻域中传播。分层结构基于一个global HOP block和多个local HOP block。HOP块通过attention

2021-04-13 17:00:32 308

原创 Salient Image Matting

Salient Image Matting论文链接：https://arxiv.org/abs/2103.12337发表出处：2021 CVPR一.背景在现实世界的抠图中，前景对象可以出现在与训练数据非常不同的设置中，而且图像内容往往会有很大的变化，因此捕获图像中的高级语义特征始终需要在大量数据上训练模型。目前，大多数的trimap-free方法很大程度上依赖于昂贵的alpha注释来学习这样的变化，但是注释是昂贵且费时的，所以大多数当前的trimap-free方法要么只关注人类，要么在处理看不见的对

2021-04-01 19:49:27 554 1

原创 Towards Enhancing Fine-grained Details for Image Matting

Towards Enhancing Fine-grained Details for Image Matting论文链接：https://arxiv.org/pdf/2101.09095.pdf发表出处：被WACV 2021接收1.背景（1）深度自然图像抠图技术通过提取高级别contextual features到模型中得到了快速发展。然而，大多数目前的方法仍然难以处理微小的细节。在本文中，作者认为，恢复这些微观细节依赖于低级但高清晰度的纹理特征。然而，在目前基于编码器-解码器的模型中，这些特征在

2021-03-31 21:20:30 333 1

原创 High-Resolution Deep Image Matting

High-Resolution Deep Image Matting1.背景在实际应用中，图像抠图经常被用于尺寸为5000 × 5000甚至更高的HR图像。由于GPU内存等硬件限制，以往的深度学习方法无法直接处理HR图像。适应这些方法的两种常见策略是对输入进行下采样或琐碎的基于patch的推理。前一种策略会导致大部分细节的丢失，而后一种策略会导致patch-wise的不一致。此外，HR图像在一个patch内可能存在较大甚至完全未知的区域。这进一步要求模型理解来自long-range patches的

2021-03-30 21:23:16 656

原创 Natural Image Matting via Guided Contextual Attention

Natural Image Matting via Guided Contextual Attention1.背景基于深度学习的方法在自然图像抠图方面取得了显著的进步。许多方法可以生成视觉上可信的alpha估计，但通常会在半透明区域产生模糊的结构或纹理。这是因为透明物体的局部模糊性。一个可能的解决方案是利用周围的信息来估计局部的不透明度，现有基于affinity和sampling的matting方法它们所采取的策略是具有相似性的：借鉴具有相似外观的图像区域。下面是这两种策略它们的区别：1）affin

2021-03-30 09:51:01 565

原创 Improved Image Matting via Real-time User Clicks and Uncertainty Estimation

Improved Image Matting via Real-time User Clicks and Uncertainty Estimation1.背景2.观点3.网络4.用户点击的交互式抠图5.不确定引导细化6.实验结果1.背景基于trimap和无trimap的方法都有各自的优缺点。具体来说，基于trimap的方法可以实现最先进的性能，但它们需要用户提供绘制良好的trimap来指示前景、背景和过渡区域。根trimap-free方法不需要任何用户，但它们的性能明显更差。这是因为，如果没有先验，

2021-03-26 15:18:15 609

原创 PortraitNet: Real-time portrait segmentation network for mobile device

PortraitNet: Real-time portrait segmentation network for mobile device论文链接：https://www.sciencedirect.com/science/article/pii/S0097849319300305发表出处：2019 CAD&Graphics1.背景一般的语义分割网络用来做人像精细分割效果都不太行，原因如下：(1)通常包含至少一个人，其面部面积至少占整个图像的10%；(2)往往具有模糊的边界和复杂的光照

2021-03-24 20:40:37 1156

原创 Inductive Guided Filter: Real-time Deep Image Matting with Weakly Annotated Masks on Mobile Devices

Inductive Guided Filter: Real-time Deep Image Matting with Weakly Annotated Masks on Mobile Devices1.背景最近，图像matting取得重要进展。大多数的图像matting方法是高耗时并且需要理想的trimap，但是trimap在实际应用中是难以实现的。在移动设备应用中，最有效的方法是基于弱注释的mask进行图像matting。2.内容论文提出一种以图像和弱注释的mask图像作为输入基于深度学习与导向滤

2021-03-23 20:57:59 295

原创 Fast Deep Matting for Portrait Animation on Mobile Phone

Fast Deep Matting for Portrait Animation on Mobile Phone论文链接：https://arxiv.org/pdf/1707.08289.pdf出处：2017 ACM1.内容本文提出了一种基于分割块和feathering块的移动设备实时自动深度抠图方法。通过利用 densely connected blocks和dilated卷积，设计了一个轻量级的全卷积网络来预测人像图像的粗二进制mask。进一步开发了边缘保持和抠图自适应的feathering b

2021-03-22 15:41:55 484 1

原创 Is a Green Screen Really Necessary for Real-Time Portrait Matting?

Is a Green Screen Really Necessary for Real-Time Portrait Matting?论文链接：https://arxiv.org/pdf/2011.11961v2.pdf发表出处：2020 CVPR1.背景目前，实时获得高质量前景蒙版仍需要绿幕的辅助。而当前大部分不使用绿幕的抠图方法都会使用预定义 trimap 做作为输入。但trimap 需要人类标注，所需成本高昂，并且如果是通过深度相机捕获，还会出现低精度问题。而trimap-free 方法由于

2021-03-20 10:47:40 667

原创 AlphaNet: An Attention Guided Deep Network for Automatic Image Matting

AlphaNet: An Attention Guided Deep Network for Automatic Image Matting论文链接：https://arxiv.org/abs/2003.03613?context=cs.CV发表出处：2020 CVPR1.背景数字图像抠图（Digital imate matting）是从自然图像中高质量提取前景物体的一种方法，在混合现实、电影制作和智能创作等领域有着广泛的应用。为了追求更流畅、更快的客户体验，对大量数据进行提取和合成的过程必须是自动

2021-03-20 10:17:32 272

原创 Context-Aware Image Matting for Simultaneous Foreground and Alpha Estimation

Context-Aware Image Matting for Simultaneous Foreground and Alpha Estimation论文链接：https://arxiv.org/abs/1909.09725发表出处：2019 ICCV1.背景自然图像抠图是计算机视觉和图形学中的一个重要问题。当只有输入图像可用而没有任何外部信息时，这是一个不适定问题。虽然最近的深度学习方法已经显示出有希望的结果，但它们只估计alpha matte。传统方法通过从已知区域中推断未知区域中的alph

2021-03-20 09:56:37 466

原创 End-to-end Animal Image Matting

End-to-end Animal Image Matting论文链接：https://arxiv.org/abs/2010.16188论文出处：2020 CVPR1.背景动物抠图的困境：（1）在动物抠图任务中有不同种类的动物，它们具有不同的形状、大小、颜色和外观，而不是在其他抠图任务中的单一种类，例如人像抠图（2）动物的保护色使得前景难以识别，也难以区分动物皮毛与背景语境。（3）当前可用抠图数据集的限制。（4）先前端到端抠图方法存在缺陷：①Stage-wise segmentation

2021-03-20 09:26:37 794 3

原创 Design and implementation of an image matting system on Android Phones

Design and implementation of an image matting system on Android Phones论文链接：发表出处：2015 IHMSCDesign and implementation of an image matting system on Android Phones论文链接：论文出处：2015 IHMSC1.内容本文旨在介绍一个人机交互形式便捷、处理速度快的Android图像抠图应用的设计与实现。首先，在Android图形API和Andr

2021-03-20 09:15:00 127

原创 Disentangled Image Matting

Disentangled Image Matting论文链接：https://arxiv.org/abs/1909.04686发表出处：2019 CVPR1.背景以前的大多数图像匹配方法都需要一个大致指定的trimap作为输入，并为trimap未知区域中的所有像素估计分数alpha值。直接从粗糙的Trimap估计alpha matte是先前方法的主要局限性，这忽略了输入的trimap的不精确性。2.文章观点本文认为，在利用trimap作为额外输入的图像抠图中存在着一个分类问题没有得到充分解决。

2021-03-15 16:46:06 213

原创 A Late Fusion CNN for Digital Matting

A Late Fusion CNN for Digital Matting论文链接：https://openaccess.thecvf.com/content_CVPR_2019/papers/Zhang_A_Late_Fusion_CNN_for_Digital_Matting_CVPR_2019_paper.pdf发表出处：2019 CVPR1.背景由于抠图问题是一个极度缺乏约束的问题，所以目前大多数的抠图方法都会依赖于trimap作为额外的输入，但是trimap对于新手而言，制作起来是非常困难

2021-03-14 17:17:41 478

原创 PFLD: A Practical Facial Landmark Detector

PFLD: A Practical Facial Landmark Detector论文链接：https://arxiv.org/abs/1902.10859发表出处：2019 CVPR1.背景Landmarks检测准确性的问题可以总结为三个挑战：（1）局部变形，面部表情、局部极端光照(如高光和阴影)和遮挡会对面部图像造成部分变化/干扰。一些区域的Landmark可能会偏离正常位置甚至消失。（2）全局变化，姿势和成像质量是影响人脸在图像中表现的两个主要因素，当人脸全局结构被错误估计时，这两个因素

2021-03-14 16:40:44 259

原创 Real-Time High-Resolution Background Matting

Real-Time High-Resolution Background Matting1.研究背景虽然现在许多工具提供了背景替换功能，但是它们会在边界产生伪影，特别是在有细微细节的区域，比如头发或眼镜。往往能在细微细节区域表现良好的抠图技术处理速度都比较慢，不能达到实时性的要求。所以设计一个能够在高分辨率视频上实现实时抠图的神经网络是极具挑战性的2.主要内容针对视频背景抠图，文章主要内容就是下面这五个方面1.实现了实时且高分辨率的背景抠图，在GPU上，4K分辨率上速度可以达到30帧/秒；HD

2021-03-14 15:59:26 2081

原创 Prime Sample Attention in Object Detection

Prime Sample Attention in Object Detection论文链接：https://arxiv.org/abs/1904.04821发表出处：2019 CVPR1.背景现在的目标检测办法主要用的是region-based 方法。因此region sample的选择对于检测结果来说是很重要的，然而很多的sample位于图像的背景区域，所以简单的选择所有sample或者随意选择一些是一种不合理的办法。已经有一些研究表明主要关注一些困难的sample是一个比较有效的办法。代表的

2021-03-14 15:23:34 403 1

balabalabiubiu的博客