论文阅读——Background Matting: TheWorld is Your Green Screen

最新推荐文章于 2021-11-25 22:56:10 发布
最新推荐文章于 2021-11-25 22:56:10 发布
阅读量230 收藏
点赞数
分类专栏： 论文及书籍阅读
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u012428169/article/details/113859968
版权
起名字什么的好难
关注
专栏目录
《Background Matting：The World is Your Green Screen》论文笔记
m_buddy的博客
03-02 723
主页：background-matting 参考代码：Background-Matting 1. 概述 导读：这篇文章对于自然场景下人像抠图提出了一种新的matting方法，在该方法中引入一张背景图片作为参考，此后尽量保持背景画面不动（手持设备存在合理的抖动也可以），将语义分割模型的分割结果/前后帧（可选）也引入作为额外的依据信息。为了使这些信息能够发挥最大的作用，文章引入了一个CS（Context Switching block ）模块去有效选取有用信息，从而经过解码器之后得到更加准确的matting结
2020 CVPR之image matting：Background Matting：The World is Your Green Screen
makabaka的博客
04-23 3873
Background Matting：The World is Your Green Screen 当前的问题及概述： 现有的方法都需要背景和trimap信息进行estimate matte 在本文中，我们需要原图及背景的附加照片，虽然准备阶段复杂，但节省了大量创造trimap的时间以及提升了最终的效果。具体见图1： 模型及loss： 输入为原图I和背景图B’,通过生成的soft segmen...
《论文阅读》Background Matting: The World is Your Green Screen
未知丶的博客
09-01 930
留个笔记自用 Background Matting: The World is Your Green Screen 做什么 Image Matting图像抠图技术，简单来说就是给出一张图，将图中某一部分单独抠出，类似于电影特效中的绿幕，人物在绿幕前能单独提取出人物。传统的抠图方法如上，从左到右为原图，trimap，result，第一个原图，第二个trimap是三色图，用三个数值标识了三类区域：肯定是背景、肯定是前景和不确定，即图中黑、白、灰。第三个就是网络给出的抠图结果。 做了什么 相比于传统的原图和tr
Background Matting: The World is Your Green Screen
reform513的博客
11-06 467
文章要点 用手持相机拍摄的图片(包含主体) + 小位移背景图 (不包含主体）作为模型的主要输入，并先在Adobe Matting Dataset 合成数据集上进行正常监督学习，最后再通过teacher-student learning + adversarial learning 减少合成数据和真实拍摄数据间的 domain gap， 提高模型的泛化能力。 1. 模型输入 不同于matting常见的 image + trimap 组合， 论文提出使用image I + background B‘.
抠图算法Background Matting:The world is your green screen
kiminoamae的博客
01-31 2963
背景介绍 抠图是照片编辑和视觉效果中使用的标准技术，在现有的抠图算法中，要想抠出一个好的maks一般需要三分图（trimap由前景，背景，未知片段组成）。虽然现在也有不需要三分图的算法正在发展，但是这种不需要三分图的算法，在抠图的质量与有三分图的算法没有可比性。 因此，在本算法中除了需要原图片之外，还需要一张额外的背景图片。 抠图算法的公式 I=αF+(1−α)BI = \alpha F+(1-\alpha)BI=αF+(1−α)B FFF:前景图(foreground)，BBB：背景图(backgroun
论文Background Matting: The World is Your Green Screen学习
u012363389的博客
04-08 2691
使用 a deep matting network 为给定的input frame 提取foreground color 和 alpha。使用了一个novel 技术“context-switching block”，这个技术可以合并有选择性的合并不同的输入线索。 ...
Background Matting: The World is Your Green Screen与图像分割实现
m0_51330713的博客
11-25 545
论文地址：https://arxiv.org/abs/2004.00626 代码：https://github.com/senguptaumd/Background-Matting 背景介绍 抠图是照片编辑和视觉效果中使用的标准技术，在现有的抠图算法中，要想抠出一个好的maks一般需要三分图（trimap由前景，背景，未知片段组成）。虽然现在也有不需要三分图的算法正在发展，但是这种不需要三分图的算法，在抠图的质量与有三分图的算法没有可比性。 因此，在本算法中除了需要原图片之外，还需要一张额外的背景图
CVPR 2020 论文大盘点-抠图Matting篇
OpenCV中文网
10-23 800
抠图(Image Matting)是一个非常有趣的领域，它的任务是对图像前景像素的不透明度（alpha 通道）进行计算，方便后续的图像合成编辑。传统的Matting方法需要输入三色图（...
CVPR 2020代码开源的论文最全合集
阿木寺的博客
06-20 2585
前言 之前Amusi整理了1467篇CVPR 2020所有论文PDF下载资源，详见：全在这里了！ CVPR2020-Code CVPR 2020 论文开源项目合集，同时欢迎各位大佬提交issue，分享CVPR 2020开源项目 关于往年CV顶会论文（如CVPR 2019、ICCV 2019、ECCV 2018）以及其他优质CV论文和大盘点，详见： https://github.com/amusi/daily-paper-computer-vision CNN 图像分类 目标检测 3D目标检测 视频目标检测
Astrous Convolution, Astrous Spatial Pyramid Pooling, Fully Connected Conditional Random Field
probie的博客
10-29 2916
翻译的一篇英文博文，原文地址见文末 Atrous Convolution 原子卷积or空洞卷积？ “Atrous”源自法语“à trous”，意思是洞。一些论文也称它为“膨胀卷积“。它通常用于小波变换，现在它被用于深度学习中的卷积。 公式： 当r=1时，它就是我们常用的标准卷积，当r>1时即atrous convolution，r表示卷积过程中对输入样例采样的步长（stride to sa...
Windows下跑通“Avatar-Net: Multi-scale Zero-shot Style Transfer by Feature Decoration”的代码
probie的博客
04-12 862
代码链接：Avatar-Net: Multi-scale Zero-shot Style Transfer by Feature Decoration 跑通的路程： 1.按照作者提供的environment.yaml文件创建虚拟环境并安装相应包。 需要注意的是Windows环境下需要将yaml文件中的VC和VCruntime删掉，即： 2.激活创建的虚拟环境 3.由于默认安装pillow=7...
论文阅读——Learning Linear Transformations for Fast Image and Video Style Transfer
probie的博客
03-01 723
这篇论文正式版本被CVPR收录，名为“Learning Linear Transformations for Fast Image and Video Style Transfer”。但是正式版本的电子版下载后加载出错，部分内容缺失。只能在线或者打印出来。在被CVPR收录前发表在arXiv上，名为“Learning Linear Transformations for Fast Arbitrary Style Transfer”。 CVPR版摘要： arXiv版摘要： 框架图： 论文地址： CVPR
论文笔记——ReCoNet: Real-time Coherent Video Style Transfer Network
probie的博客
12-20 691
引用格式： @inproceedings{gao2018reconet, title={Reconet: Real-time coherent video style transfer network}, author={Gao, Chang and Gu, Derun and Zhang, Fangjun and Yu, Yizhou}, booktitle={Asian Conference on Computer Vision}, pages={637--653}, year={.
论文笔记——Arbitrary Video Style Transfer via Multi-Channel Correlation
probie的博客
12-22 649
摘要： 网络结构图： 单帧风格化特征生成 视频帧连续性保持 原始视频帧连续满足： 视频帧提取的特征也满足： 相应的风格化特征也应该满足： 损失函数： 感知损失： Identity loss 光照损失（Illumination loss） 向内容图像中添加随机高斯噪声模拟光照。 G(.)是作者提出的风格生成网络。 代码链接： diyiiyiii/Arbitrary-Style-Transfer-via-Multi-Adaptation-Network 引.
《Improving Shape Deformation in Unsupervised Image-to-Image Translation》——论文阅读之image translation
probie的博客
07-24 615
作者： Aaron Gokaslan (1), Vivek Ramanujan (1), Daniel Ritchie (1), Kwang In Kim (2), James Tompkin (1) 1. Brown University, USA 2. University of Bath, UK 摘要： Unsupervised image-to-image translation tec...
《被讨厌的勇气》——第三夜阅读摘记
probie的博客
02-23 593
”假如说你‘不是为了满足他人的期待而活’，那他人也‘不是为了满足你的期待而活’。当别人的行为不符合自己的想法的时候也不可以发怒。“ ”有人会想：’因为神在看着，所以要积累善行。‘但这是与’因为没有神，所以可以无恶不作‘之类的虚无主义相对的一种思想。即使神并不存在，即使无法得到神的认可，我们也必须要活出自己的人生。” “想要取得别人认可的时候，几乎所有人都会采取’满足别人的期待‘这一手段，这其实都是受’如果做了恰当的事情就能够得到表扬‘这种赏罚教育的影响。但是如果工作的主要目标成了’满足别人的期待’，那工作就
《A Survey on Gradient-Domain Rendering》——论文阅读之 ray tracing
probie的博客
07-24 584
作者： Binh-Son Hua (1) Adrien Gruson(1,4) Victor Petitjean (2) Matthias Zwickerv(3) Derek Nowrouzezahrai (4) Elmar Eisemann (2) Toshiya Hachisuka (1) 1.The University of Tokyo 2.Delft University of Tec...
Two-Stage Peer-Regularized Feature Recombination for Arbitrary Image Style Transfer(CVPR 2020)——论文阅读
probie的博客
06-30 542
论文下载 摘要 本文介绍一种神经风格迁移模型，所提出方案即使在零样本设置下也可以产生高质量的图像，且在更改内容几何形状时具有更大的自由度。通过引入Two Stage Peer-Regularization Layer，图卷积层将潜空间中的风格和内容重新组合在一起。与绝大多数现有方法不同，模型不依赖于任何预训练网络来计算感知损失，且直接在潜在空间进行循环损失优化。 引言 神经样式转移（NST）研究如何构建模型，这些模型可以转换输入图像（或视频）的视觉外观以匹配所需目标图像的样式。 例如，用户可能希望将给定的照
论文阅读——Syn2Real Transfer Learning for Image Deraining using Gaussian Processes
probie的博客
02-21 515
摘要： 主要贡献： 1.提出了一种基于高斯过程（GP）的半监督学习（SSL）框架，该框架涉及对标记和未标记的数据进行迭代训练。 2.提出了一种用于执行半监督学习的非参数方法，以将未标记的真实数据整合到训练过程中。 3.使用GP对网络中的中间潜在空间进行建模，然后将其用于为未标记的数据创建伪Ground Truth（GT）。 伪GT还用于在中间级别监督网络中未标记的数据。 论文地址： Syn2Real Transfer Learning for Image Deraining using Gaussian.
background matting
最新发布
06-28
背景抠图（Background Matting）是一种计算机视觉技术，可以将前景对象从背景中分离出来并以透明形式呈现，常用于视频合成、虚拟背景、视频美颜等应用中。传统的背景抠图方法需要在拍摄时使用绿色或蓝色幕布作为背景...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值