MOD matting(2020 trimap-free)
-
网络结构:
一个低分辨率分支估计人类语义
一个高分辨率分支估计边缘细节
一个融合分支预测最终alpha模版 -
损失函数:
S模块使用的是alpha L2的损失,
D模块使用的是alpha L1的损失,,其中计算的是边缘未知区域的,
F模块使用的是alpha的L1损失与一个compositional 损失。 -
训练方法:
突出了一个新人像抠图数据库PPM-100,
为了适应于真实世界的数据,提出了一个无监督训练方法,单独调整的loss为因为出现误差的原因发现,主要是语义分割结果与alpha估计结果不一致,因此自监督真实数据时,保证语义分割结果与alpha 有相一致的结果,但是这样会导致细节信息的丢失,因此又添加了一个细节的监督,
,主要通过复制一遍网络,固定权重,只让输出细节分支来提供监督信号学习。 -
实验结果: