論文の概要: Foreground color prediction through inverse compositing

• arxiv url: http://arxiv.org/abs/2103.13423v1
• Date: Wed, 24 Mar 2021 18:10:15 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-26 13:40:59.765028
• Title: Foreground color prediction through inverse compositing
• Title（参考訳）: 逆合成による前景色予測
• Authors: Sebastian Lutz, Aljosa Smolic
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 19.0945877082419
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In natural image matting, the goal is to estimate the opacity of the foreground object in the image. This opacity controls the way the foreground and background is blended in transparent regions. In recent years, advances in deep learning have led to many natural image matting algorithms that have achieved outstanding performance in a fully automatic manner. However, most of these algorithms only predict the alpha matte from the image, which is not sufficient to create high-quality compositions. Further, it is not possible to manually interact with these algorithms in any way except by directly changing their input or output. We propose a novel recurrent neural network that can be used as a post-processing method to recover the foreground and background colors of an image, given an initial alpha estimation. Our method outperforms the state-of-the-art in color estimation for natural image matting and show that the recurrent nature of our method allows users to easily change candidate solutions that lead to superior color estimations.
• Abstract（参考訳）: 自然な画像マッチングでは、画像中の前景オブジェクトの不透明度を推定することが目的である。 この不透明さは、前景と背景を透明な領域でブレンドする方法を制御する。 近年、ディープラーニングの進歩は、完全に自動で優れたパフォーマンスを達成した多くの自然な画像マッチングアルゴリズムを生み出している。 しかし、これらのアルゴリズムのほとんどは画像からアルファマットのみを予測しており、高品質な構成を作るには不十分である。 さらに、入力や出力を直接変更すること以外は、手作業でこれらのアルゴリズムを操作することはできない。 本稿では,画像の前景色と背景色を初期アルファ推定値から復元する処理後手法として,新しいリカレントニューラルネットワークを提案する。 提案手法は,自然画像マッティングにおける色推定の最先端を上回っており,本手法の反復性により,より優れた色推定につながる候補ソリューションを容易に変更できることを示す。

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)
• Incorporating Ensemble and Transfer Learning For An End-To-End Auto-Colorized Image Detection Model [0.0]
  本稿では,移動学習とアンサンブル学習の利点を組み合わせた新たな手法を提案する。 提案したモデルは、94.55%から99.13%の精度で有望な結果を示す。
  論文  参考訳（メタデータ） (2023-09-25T19:22:57Z)
• Deep Richardson-Lucy Deconvolution for Low-Light Image Deblurring [48.80983873199214]
  我々は,飽和画素を学習潜時マップでモデル化するデータ駆動型手法を開発した。 新しいモデルに基づいて、非盲検除色タスクを最大後部(MAP)問題に定式化することができる。 増幅されたアーティファクトを使わずに高品質な劣化画像を推定するために,我々は事前推定ネットワークを構築した。
  論文  参考訳（メタデータ） (2023-08-10T12:53:30Z)
• $PC^2$: Projection-Conditioned Point Cloud Diffusion for Single-Image 3D Reconstruction [97.06927852165464]
  単一のRGB画像から物体の3次元形状を再構築することは、コンピュータビジョンにおける長年の課題である。 条件付き偏光拡散プロセスによりスパース点雲を生成する単一像3次元再構成法を提案する。
  論文  参考訳（メタデータ） (2023-02-21T13:37:07Z)
• 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)
• Deep Automatic Natural Image Matting [82.56853587380168]
  自動画像マッチング(AIM)とは、任意の自然画像からソフトフォアグラウンドをトリマップのような補助的な入力なしで推定することである。 本稿では,これらの画像の一般化されたトリマップを統一的な意味表現として予測できる,新しいエンドツーエンドマッチングネットワークを提案する。 我々のネットワークは、利用可能な合成マッチングデータセットをトレーニングし、既存の手法を客観的にも主観的にも優れています。
  論文  参考訳（メタデータ） (2021-07-15T10:29:01Z)
• 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)
• $F$, $B$, Alpha Matting [0.0]
  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。
  論文  参考訳（メタデータ） (2020-03-17T13:27:51Z)
• Natural Image Matting via Guided Contextual Attention [18.034160025888056]
  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。
  論文  参考訳（メタデータ） (2020-01-13T05:59:17Z)

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。