Deep Image Matting
论文是adobe公司针对图像精细分割提出的,所属领域为matting,其中的思路感觉是如今matting任务中的最常见的思路,即先通过语义分割网络生成二分类的前景背景图,处理成trimap或者直接生成trimap,将trimap与原RGB图合并成4通道输入进行图像的精细分割。
Abstract
摘要指出之前的方法在matting过程中,前景背景颜色相近或纹理复杂时的表现都非常不好,主要原因是1)仅使用低级特征;2)缺少高级上下文关系 *1) only use low-level features and 2) lack high-level context.*所以文章提出了新的基于深度学习的算法。
**文章主要内容及创新点:
1、新颖的matting网络结构,第一部分将原RGB图与trimap合并生成4通道输入到一个编码解码结构的网络中,通过alpha prediction loss生成一个alpha matte。第二部分将alpha prediction loss之前的特征图raw alpha prediction送入一个小的卷积网络,进行alpha prediction的精修,得到更加精确的alpha值和更加尖锐的边缘。
2、新的matting数据集
**
Introduction
解决mating问题是近似求解一个超定方程,这个方程已知的是原图I的RGB三通道值,未知量为前景RGB与背景RGB加alpha这7个值,方程如下: