【Paper】Semantic Soft Segmentation 语义软分割

最新推荐文章于 2024-05-19 10:07:37 发布

LuminousLumin

最新推荐文章于 2024-05-19 10:07:37 发布

阅读量634

点赞数 4

分类专栏： Paper 文章标签：图像分割抠图语义软分割

本文链接：https://blog.csdn.net/suian0424/article/details/88764179

版权

本文深入探讨了语义软分割技术，它结合图像的高层语义信息和局部纹理信息，通过拉普拉斯矩阵和谱分析进行图像分割。文章详细介绍了拉普拉斯构建方法，包括matting affinity、nonlocal color affinity和semantic affinity矩阵，以及特征向量的线性组合策略。尽管存在运行时间和处理相似颜色对象的局限，但该方法为图像分割提供了新的视角。

摘要由CSDN通过智能技术生成

一、研究问题

Semantic Soft Segmentation
从标题看，这篇文章研究的是基于语义信息的图像分割。图像分割在这篇文章研究的应用场景中，通俗讲就是抠图。区别于一般用抠图工具（魔术棒、套索工具等）得到的抠图选区，soft segmentation得到的选区是带透明度的，类似PS中的选区羽化。

1.1 Soft Segmentation

Soft Segmentation
每个选区中的像素都是带透明度的，同一个位置的像素在不同选区中的透明度总和为1。论文最终就是要得到一系列的α值。

二、核心想法

The paper constructs a graph that fuses higher-level information coming from a deep network with the local texture information in order to generate soft segments that correspond to semantically meaningful regions in the image.

论文的核心idea就是用图像的高层语义信息和local的颜色信息构建一个Graph，然后运用谱分析Spectral Analysis来分析得到图像中的分割区域信息。

三、背景

3.1 Spectral Matting

The paper uses the same formalism as spectral matting in formulating the soft segmentation task as an eigenvector estimation problem ¹. The core component of this approach is the creation of a Laplacian matrix L that represents how likely each pair of pixels in the image is to belong to the same segment.