Nov, 2023

DiffusionMat：Alpha Matting 作为顺序精化学习

PDF
TL;DR本文介绍了一种名为 DiffusionMat 的新型图像抠像框架，它采用扩散模型从粗糙到精细的透明度图过渡。通过将噪声添加到阈值图并使用预训练的扩散模型迭代去噪，我们的方法将图像抠像视为一种顺序细化学习过程，并通过校正模块确保最终输出与输入图像的结构一致。此外，我们引入了 Alpha 可靠性传播技术，该技术通过选择性增强自信透明度信息的阈值区域来简化校正任务。通过使用专门针对透明度图边缘准确性和不透明与透明区域一致性的损失函数训练校正模块，我们评估了我们的模型，并结果表明 DiffusionMat 始终优于现有方法。
diffusionmatimage mattingdiffusion modelsequential refinement learningcorrection module
发现论文，激发创造
  • 自然图像抠图的扩散

    利用扩散方法来解决图像抠像任务，在本论文中，我们提出了 DiffMatte，一种解决方案，旨在有效地克服计算负担和训练与推断过程中噪声采样不一致等挑战。

    Dec, 2023

  • 解耦图像抠像

    本文提出了一个名为 AdaMatting 的新的端到端抠图框架，该框架将传统的抠图过程分解为两个子任务：Trimap 适应和 Alpha 估计，通过单个深度卷积神经网络 (CNN) 分别处理这两个子任务，实现了更好的性能表现。

    Sep, 2019

  • 深度图像抠图

    本文提出一种基于深度学习的图像抠图算法，使用深度卷积编码器 - 解码器网络和卷积网络相结合，提高了前景和背景颜色相似或纹理复杂的图像抠图效果，并生成了一个大规模的图像抠图数据集，实验结果表明该算法优于之前的方法。

    Mar, 2017

  • DiffuMatting: 利用抠图级别的注释合成任意对象

    通过引入 DiffuMatting 算法和基于绿屏的颜色控制，实现了高准确度的标注生成、社区友好的艺术设计和可控的生成，从而使得 DiffuMatting 成为一种综合导向的绿屏抠图工具。

    Mar, 2024

  • 分层与渐进式图像抠像

    本文提出了一种层级与渐进式的注重力抠图网络（HAttMatting++）以更好地从单个 RGB 图像预测前景的不透明度，同时介绍了一个具有挑战性的图像抠图数据集并采用多种损失函数引导网络进行训练，此网络可以捕捉复杂的前景结构并实现单个 RGB 图像作为输入的最佳性能。

    Oct, 2022

  • 深度图像抠图：综合调查

    本论文综述了深度学习时代中图像抠图的最新进展及其在自动和人工辅助下的任务和网络结构，评估了代表性抠图方法的性能，并讨论了应用和挑战，同时维护了一个公共资源库来跟踪深度图像抠图的快速发展。

    Apr, 2023

  • 高分辨率深度图像抠像

    本文提出 HDMatt，第一个用于高分辨率输入的基于深度学习的图像抠图方法，采用一种新的模块设计以解决不同片段之间的上下文依赖性和一致性问题，并在 Adobe 图像抠图和 AlphaMatting 基准上取得了新的最先进性能和更高分辨率图像的出色视觉效果。

    Sep, 2020

  • 动态视频的自适应人像抠图

    通过使用编码解码网络和 transformer 网络，本文介绍了一个名为 AdaM 的自适应合成框架，用于动态视频中的前景和背景分割及 alpha 通道遮罩；在多数据集测试中，AdaM 显示出较高的适应性和合成实况，同时取得新的最佳通用性。

    Apr, 2023

  • 基于引导上下文注意力的自然图像抠图

    使用指导上下文关注模块的全新的端到端方法，以解决通过利用周围信息来估计本地不透明度的问题，并利用深度神经网络学习的丰富特征，成功地优于自然图像抠图中最先进的方法。

    Jan, 2020

  • 可变形图卷积网络优化的级联图像抠图

    研究了图像抠图问题，提出一种基于级联网络和形变图嵌入模块的算法，可以在不使用其他输入的情况下自动预测高质量的 alpha 遮罩。实验证明了该算法在合成数据集上可以达到最先进的性能，并且在真实的人类图像上也可以产生良好的效果。

    May, 2021