Mask guide matting via progressive refienment network(2020,trimap)

Mask guide matting via progressive refienment network(2020,trimap)

• 网络结构：
  • Unet结构，resnet34 添加ASPP,
  • 主要思想是协调高低层特征的学习，主要提出了PRM方式去学习，对于每一层的alpha matte输出，都有一个监督信号，按照alpha的值在0-1的时候，将其位置设为1，用于表示仍然需要学习的区域，当alpha的值为0或者1时，将其位置设为0，表示已经学好的位置，
  • 实际使用的是步长为8，4，1的特征图进行alpha matte预测，
    损失函数：
  • 损失函数为alpha的L1损失， composition 损失，拉普拉斯损失，因为使用了3个不同尺度的特征图预测，因此每层都进行loss计算
  • 优于前景颜色预测与alpha matte预测一同输出，降低了matting的表现，因为RAB会破坏语义信息，
    
• 训练方式：
  • 数据增强：随机组合两个前景目标，