本文介绍了一种新的自然图像抠图方法——GCAMatting，它利用引导上下文注意力（GCA）模块改进了深度学习基的Matting方法，特别是在处理半透明区域时能更清晰地分辨前景和背景。GCA模块通过低层次特征引导高层不透明度信息传播，减少信息流中的模糊，并在Composition-1k和alphamatting.com数据集上表现出色。
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
最低0.47元/天 解锁文章
扫一扫
3211
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
