2020 CVPR之image matting：AlphaNet: An Attention Guided Deep Network for Automatic Image Matting

AlphaNet: An Attention Guided Deep Network for Automatic Image Matting
当前的问题及概述：
本文提出的image matting方法是一种将语义分割和深度图像匹配过程融合成单一网络的方法，以生成用于图像合成任务的详细的语义匹配。
1.提出了一种新的模型结构，将上采样和下采样算子的功能与attention相结合，并将分割和匹配（matting）相结合，Attention引导下采样和上采样可以提取高质量的边界细节。
2.使用了attention引导编码器-解码器框架，该框架进行无监督学习，从数据中自适应地生成一个attention map，为上采样和下采样操作提供服务和指导。
3.构建了一个fashion e-commerce focused数据集，以方便图像matting的培训和评估
模型及loss：

AlphaNet：该模型将一幅RBG图像作为输入输入到分割网络中，并为前景对象生成一个二值分割mask。二进制mask用于估计边界框，该边界框与mask一起用作侵蚀-膨胀(ED)层的输入，以生成trimap。方法生成的trimap图是粗糙的，含有许多不确定区域，且大多位于生成mask的边缘。然后将这个trimap与RGB图像级联作为matting网络的输入。
2.1 Segmentation and Trimap Estimation Phase
首先我们这部分使用ReseNet18 backbone的DeepLabV3+网络，提取前