論文の概要: $F$, $B$, Alpha Matting

• arxiv url: http://arxiv.org/abs/2003.07711v1
• Date: Tue, 17 Mar 2020 13:27:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-22 21:30:58.470779
• Title: $F$, $B$, Alpha Matting
• Title（参考訳）: $F$, $B$, Alpha Matting
• Authors: Marco Forte and Fran\c{c}ois Piti\'e
• Abstract要約: 我々は,前景や背景の色を予測するために,アルファ・マッティング・ネットワークの低コストな修正を提案する。 提案手法は, アルファマットと合成色質のためのAdobe composition-1kデータセット上で, アートパフォーマンスの状態を達成している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cutting out an object and estimating its opacity mask, known as image matting, is a key task in many image editing applications. Deep learning approaches have made significant progress by adapting the encoder-decoder architecture of segmentation networks. However, most of the existing networks only predict the alpha matte and post-processing methods must then be used to recover the original foreground and background colours in the transparent regions. Recently, two methods have shown improved results by also estimating the foreground colours, but at a significant computational and memory cost. In this paper, we propose a low-cost modification to alpha matting networks to also predict the foreground and background colours. We study variations of the training regime and explore a wide range of existing and novel loss functions for the joint prediction. Our method achieves the state of the art performance on the Adobe Composition-1k dataset for alpha matte and composite colour quality. It is also the current best performing method on the alphamatting.com online evaluation.
• Abstract（参考訳）: オブジェクトをカットし、画像マッチングとして知られる不透明マスクを推定することは、多くの画像編集アプリケーションにおいて重要なタスクである。 深層学習アプローチは、セグメントネットワークのエンコーダデコーダアーキテクチャを適用することで大きな進歩を遂げた。 しかし、既存のネットワークのほとんどはアルファマットのみを予測し、後処理法は透明領域の原色と背景色を復元するために使用される必要がある。 近年,前景の色を推定する手法が2つあるが,計算コストとメモリコストが大幅に向上している。 本稿では,前景や背景の色を予測するために,アルファマッティングネットワークの低コストな修正を提案する。 本研究では,トレーニング体制のバリエーションについて検討し,共同予測のための既存および新規な損失関数を幅広く検討する。 本手法は, アルファマットおよび複合色品質のadobe composition-1kデータセットにおいて, 技術性能の向上を実現する。 また、alphamatting.comのオンライン評価において、現在最も優れたパフォーマンス方法である。

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)
• Color-aware Deep Temporal Backdrop Duplex Matting System [26.114550071165628]
  そこで本研究では,クロマキーとアルファマッティングの利点を組み合わせた時間多重背景生成システムを提案する。 提案するスタジオセットはアクターフレンドリーであり、高品質で時間的に一貫したアルファとカラー推定を生成する。
  論文  参考訳（メタデータ） (2023-06-05T15:20:44Z)
• Disentangled Pre-training for Image Matting [74.10407744483526]
  画像マッチングは、深層モデルのトレーニングをサポートするために高品質なピクセルレベルの人間のアノテーションを必要とする。 本研究では、無限個のデータを活用する自己教師付き事前学習手法を提案し、マッチング性能を向上する。
  論文  参考訳（メタデータ） (2023-04-03T08:16:02Z)
• Learning Prior Feature and Attention Enhanced Image Inpainting [63.21231753407192]
  本稿では,事前学習に基づくMasked AutoEncoder(MAE)を塗装モデルに組み込む。 マスク付き領域とマスキングされていない領域間の長距離依存性をより学習させるために,MAE の注意点を用いた手法を提案する。
  論文  参考訳（メタデータ） (2022-08-03T04:32:53Z)
• Alpha Matte Generation from Single Input for Portrait Matting [79.62140902232628]
  目標は、各画素が前景の被写体に与える影響を識別するアルファマットを予測することである。 従来のアプローチや既存の作業の多くは、アルファマットの予測にトリマップ、背景画像などの追加入力を使用していた。 我々は、GAN(Generative Adversarial Nets)を用いたポートレート・マッティングを行うための追加の入力不要アプローチを導入する。
  論文  参考訳（メタデータ） (2021-06-06T18:53:42Z)
• 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)
• Fast Multi-Level Foreground Estimation [0.4588028371034407]
  得られたアルファマットは、合成画像の色にどれだけの額のフォアグラウンドと背景色が寄与するかをピクセル単位で記述する。 文献のほとんどの方法はアルファマットの推定に重点を置いているが、入力された画像とそのアルファマットが与えられた前景の色を推定する過程は無視されることが多い。 アルファマットを用いた前景推定手法を提案する。
  論文  参考訳（メタデータ） (2020-06-26T13:16:13Z)
• High-Resolution Image Inpainting with Iterative Confidence Feedback and Guided Upsampling [122.06593036862611]
  既存の画像塗装法は、実アプリケーションで大きな穴を扱う際に、しばしばアーティファクトを生成する。 本稿では,フィードバック機構を備えた反復インペイント手法を提案する。 実験により,本手法は定量評価と定性評価の両方において既存手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2020-05-24T13:23:45Z)
• Instance-aware Image Colorization [51.12040118366072]
  本稿では,インスタンス認識のカラー化を実現する手法を提案する。 我々のネットワークアーキテクチャは、市販のオブジェクト検出器を利用して、収穫されたオブジェクト画像を取得する。 類似したネットワークを用いて、フルイメージの特徴を抽出し、融合モジュールを適用して最終色を予測する。
  論文  参考訳（メタデータ） (2020-05-21T17:59:23Z)

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。