参考代码:GCA-Matting
1. 概述
导读:现有基于深度学习的Matting方法已经取得了较为不错的成果,但是这些方法在半透明区域取得的结果却是结构和纹理上模糊的,并没有很好区分出前景区域。这篇文章使用所在已知区域周围信息去预测所在位置的不透明度,既是基于affinity-based方法和inpainting任务重上下文注意力机制(contextual attention)提出了一种end-to-end带GCA(guided contextual attention)模块的Matting方法。GCA模块从学习到的低层次特征上进行affinity,并以此外观为依据传递高层次的不透明度信息。文章的方法可以减少原affinity-based方法中的信息流,并有效使用网络生成的丰富特征,这篇文章的结果在Composition-1k和alphamatting.com上均均取得了较为不错的成绩。
在matting任务重将图像划分为3个组成分量:前景图像 F F F,背景图像 B B B和不透明度 α ∈ [ 0 , 1 ] \alpha\in[0,1] α∈[0,1],数学表示为:
I i = α i F i + ( 1 − α i ) B i , α i ∈ [ 0 , 1 ] I_i=\alpha_iF_i+(1-\alpha_i)B_i,\alpha_i\in[0,1] I