論文の概要: Natural Image Matting via Guided Contextual Attention

• arxiv url: http://arxiv.org/abs/2001.04069v1
• Date: Mon, 13 Jan 2020 05:59:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-11 23:15:53.360932
• Title: Natural Image Matting via Guided Contextual Attention
• Title（参考訳）: 文脈的注意による自然画像のマッティング
• Authors: Yaoyi Li, Hongtao Lu
• Abstract要約: 本研究は,自然画像マッチングのための新しいエンド・ツー・エンド・アプローチを,ガイド付きコンテキストアテンションモジュールで開発する。 提案手法は親和性に基づく手法の情報フローを模倣し,深層ニューラルネットワークで学習した豊富な特徴を同時に利用することができる。 composition-1k test set と alphamatting.com ベンチマークデータセットの実験結果から,本手法は自然な画像マッチングにおける最先端の手法よりも優れていることが示された。
• 参考スコア（独自算出の注目度）: 18.034160025888056
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Over the last few years, deep learning based approaches have achieved outstanding improvements in natural image matting. Many of these methods can generate visually plausible alpha estimations, but typically yield blurry structures or textures in the semitransparent area. This is due to the local ambiguity of transparent objects. One possible solution is to leverage the far-surrounding information to estimate the local opacity. Traditional affinity-based methods often suffer from the high computational complexity, which are not suitable for high resolution alpha estimation. Inspired by affinity-based method and the successes of contextual attention in inpainting, we develop a novel end-to-end approach for natural image matting with a guided contextual attention module, which is specifically designed for image matting. Guided contextual attention module directly propagates high-level opacity information globally based on the learned low-level affinity. The proposed method can mimic information flow of affinity-based methods and utilize rich features learned by deep neural networks simultaneously. Experiment results on Composition-1k testing set and alphamatting.com benchmark dataset demonstrate that our method outperforms state-of-the-art approaches in natural image matting. Code and models are available at https://github.com/Yaoyi-Li/GCA-Matting.
• Abstract（参考訳）: ここ数年、ディープラーニングベースのアプローチは、自然な画像マッチングにおいて顕著に改善されてきた。 これらの手法の多くは視覚的に可視なアルファ推定を生成することができるが、通常は半透明領域のぼやけた構造やテクスチャを生成する。 これは透明な物体の局所的な曖昧さによるものである。 1つの可能な解決策は、周辺情報を活用して局所的不透明度を推定することである。 従来の親和性に基づく手法は、高分解能アルファ推定には適さない高い計算複雑性に悩まされることが多い。 親和性に基づく手法と着色におけるコンテキストアテンションの成功にインスパイアされた我々は,画像マッティング用に特別に設計されたガイド付きコンテキストアテンションモジュールを用いた自然な画像マッティングのための新しいエンドツーエンドアプローチを開発した。 ガイド付きコンテキストアテンションモジュールは、学習した低レベル親和性に基づいて、グローバルに高レベル不透明情報を伝播する。 提案手法は親和性に基づく手法の情報フローを模倣し,深層ニューラルネットワークで学習した豊富な特徴を同時に利用することができる。 composition-1k test set と alphamatting.com ベンチマークデータセットの実験結果から,本手法は自然な画像マッチングにおける最先端の手法よりも優れていることが示された。 コードとモデルはhttps://github.com/Yaoyi-Li/GCA-Matting.comで入手できる。

関連論文リスト

• DiffusionMat: Alpha Matting as Sequential Refinement Learning [87.76572845943929]
  DiffusionMatは、粗いアルファマットから洗練されたアルファマットへの移行に拡散モデルを利用する画像マッチングフレームワークである。 補正モジュールは、各復調ステップで出力を調整し、最終的な結果が入力画像の構造と一致していることを保証する。 その結果,DiffusionMatは既存の手法よりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2023-11-22T17:16:44Z)
• Learning Graph Regularisation for Guided Super-Resolution [77.7568596501908]
  誘導超解像のための新しい定式化を導入する。 そのコアは、学習親和性グラフ上で動作する微分可能な最適化層である。 提案手法をいくつかのデータセット上で広範囲に評価し, 定量的な再構成誤差の点から最近のベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2022-03-27T13:12:18Z)
• ViCE: Self-Supervised Visual Concept Embeddings as Contextual and Pixel Appearance Invariant Semantic Representations [77.3590853897664]
  本研究は,NLPにおける単語埋め込みの学習方法に着想を得た画像に対して,意味論的にリッチな視覚埋め込みを学習するための自己指導的手法を提案する。
  論文  参考訳（メタデータ） (2021-11-24T12:27:30Z)
• Long-Range Feature Propagating for Natural Image Matting [93.20589403997505]
  自然画像マッチングは、トリマップ内の未知領域のアルファ値を推定する。 近年、深層学習に基づく手法は、その類似性に応じて、既知の領域から未知領域へのアルファ値の伝播を行っている。 本稿では,Alpha matte 推定のために受信フィールド外における長距離コンテキスト特徴を学習する Long-Range Feature Propagating Network (LFPNet) を提案する。
  論文  参考訳（メタデータ） (2021-09-25T01:17:17Z)
• Smart Scribbles for Image Mating [90.18035889903909]
  本稿では,ユーザが入力画像に数個のスクリブルを描画できるように,smart scribblesと呼ばれる対話型フレームワークを提案する。 異なるカテゴリを示すために、スクリブルを描画するための画像の最も情報性の高い領域を推測する。 その後、このクリブルを、よく設計された二相伝播によって画像の残りの部分に拡散させる。
  論文  参考訳（メタデータ） (2021-03-31T13:30:49Z)
• Foreground color prediction through inverse compositing [19.0945877082419]
  自然なイメージのマットでは、目的はイメージの前景のオブジェクトの不透明度を推定することです。 近年、ディープラーニングの進歩により、多くの自然画像マッチングアルゴリズムが完全に自動的に優れたパフォーマンスを達成しています。 本稿では,画像の前景色と背景色を復元するための後処理手法として使用できる新しいリカレントニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2021-03-24T18:10:15Z)
• High-Resolution Deep Image Matting [39.72708676319803]
  HDMattは、高解像度入力のための最初のディープラーニングベースの画像マッチングアプローチである。 提案手法は,Adobe Image Matting と AlphaMatting のベンチマーク上で,最先端の性能を新たに設定する。
  論文  参考訳（メタデータ） (2020-09-14T17:53:15Z)
• Hierarchical Opacity Propagation for Image Matting [15.265494938937737]
  ピクセル間のより直接的アルファマット伝播のための新しい構造が要求されている。 HOPマッティングは最先端のマッティング法より優れている。
  論文  参考訳（メタデータ） (2020-04-07T10:39:55Z)
• AlphaNet: An Attention Guided Deep Network for Automatic Image Matting [0.0]
  本研究では,画像マッチングのためのエンドツーエンドソリューション,すなわち自然画像から前景オブジェクトを高精度に抽出する手法を提案する。 本稿では,セマンティックセグメンテーションと深層画像マッチングプロセスをひとつのネットワークに同化して意味行列を生成する手法を提案する。 また、高品質なアルファマットを用いたファッションeコマース型データセットを構築し、画像マッチングのトレーニングと評価を容易にする。
  論文  参考訳（メタデータ） (2020-03-07T17:25:21Z)
• Image Matching across Wide Baselines: From Paper to Practice [80.9424750998559]
  局所的な特徴とロバストな推定アルゴリズムの包括的なベンチマークを導入する。 パイプラインのモジュール構造は、さまざまなメソッドの容易な統合、構成、組み合わせを可能にします。 適切な設定で、古典的な解決策は依然として芸術の知覚された状態を上回る可能性があることを示す。
  論文  参考訳（メタデータ） (2020-03-03T15:20:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。