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

最新推荐文章于 2023-09-12 01:39:18 发布

用GAN得有GPU

最新推荐文章于 2023-09-12 01:39:18 发布

阅读量1.6k

点赞数 2

分类专栏： image matting 文章标签：神经网络深度学习计算机视觉

本文链接：https://blog.youkuaiyun.com/qq_41967539/article/details/105519007

版权

AlphaNet 是一种结合语义分割和深度图像匹配的自动图像 matting 方法，通过注意力引导的深度网络生成高质细节的图像合成语义匹配。模型包括分割和 trimap 估计阶段，以及采用注意力模块的 matting 阶段。实验表明，AlphaNet 能有效提取高质量边界细节，提升图像 matting 性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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：
在这里插入图片描述
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

最低0.47元/天解锁文章