論文の概要: Smart Scribbles for Image Mating
- arxiv url: http://arxiv.org/abs/2103.17062v1
- Date: Wed, 31 Mar 2021 13:30:49 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-01 14:31:39.152998
- Title: Smart Scribbles for Image Mating
- Title(参考訳): 画像マッチングのためのスマートスクリブル
- Authors: Xin Yang, Yu Qiao, Shaozhe Chen, Shengfeng He, Baocai Yin, Qiang
Zhang, Xiaopeng Wei, Rynson W.H.Lau
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 90.18035889903909
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Image matting is an ill-posed problem that usually requires additional user
input, such as trimaps or scribbles. Drawing a fne trimap requires a large
amount of user effort, while using scribbles can hardly obtain satisfactory
alpha mattes for non-professional users. Some recent deep learning-based
matting networks rely on large-scale composite datasets for training to improve
performance, resulting in the occasional appearance of obvious artifacts when
processing natural images. In this article, we explore the intrinsic
relationship between user input and alpha mattes and strike a balance between
user effort and the quality of alpha mattes. In particular, we propose an
interactive framework, referred to as smart scribbles, to guide users to draw
few scribbles on the input images to produce high-quality alpha mattes. It frst
infers the most informative regions of an image for drawing scribbles to
indicate different categories (foreground, background, or unknown) and then
spreads these scribbles (i.e., the category labels) to the rest of the image
via our well-designed two-phase propagation. Both neighboring low-level
afnities and high-level semantic features are considered during the propagation
process. Our method can be optimized without large-scale matting datasets and
exhibits more universality in real situations. Extensive experiments
demonstrate that smart scribbles can produce more accurate alpha mattes with
reduced additional input, compared to the state-of-the-art matting methods.
- Abstract(参考訳): イメージマッティングは、通常、トリマップやスクリブルのような追加のユーザ入力を必要とする、不適切な問題である。
fne trimapの描画には大量のユーザ労力が要るが、scribblesを使えばプロでないユーザでも満足のいくアルファマットが手に入らない。
最近のディープラーニングベースのマットネットワークでは、パフォーマンス向上のために大規模な複合データセットを使用しており、自然画像を処理する際に明らかなアーティファクトが時々現れる。
本稿では,ユーザ入力とアルファマットの本質的な関係を考察し,ユーザの努力とアルファマットの品質のバランスを打つ。
特に,スマートスクリブルと呼ばれる対話型フレームワークを提案し,ユーザに対して,入力画像に少数のスクリブルを描画して高品質なアルファマットを生成するように誘導する。
画像の最も情報性の高い領域を推測し、異なるカテゴリ(地上、背景、未知)を示すためにスクリブルを描画し、そのスクリブル(すなわちカテゴリラベル)を、よく設計された2相伝播を通して画像の残りの部分に拡散する。
伝播過程において,近隣の低レベルアフィニティと高レベルセマンティックな特徴が考慮される。
本手法は大規模マッティングデータセットを必要とせずに最適化でき,実環境においてより普遍性を示す。
広範な実験により、スマートスクリブルは最先端のマットング法に比べて、追加入力を少なくしてより正確なアルファマットを生成できることが示されている。
関連論文リスト
- Deep Image Matting: A Comprehensive Survey [85.77905619102802]
本稿では,ディープラーニング時代における画像マッチングの最近の進歩を概観する。
本稿では,補助的な入力ベースの画像マッチングと,自動的な画像マッチングという,2つの基本的なサブタスクに焦点を当てる。
画像マッチングの関連応用について論じ,今後の研究への課題と可能性を明らかにする。
論文 参考訳(メタデータ) (2023-04-10T15:48:55Z) - Hierarchical and Progressive Image Matting [40.291998690687514]
エンド・ツー・エンドの階層的・プログレッシブ・アテンション・マッチング・ネットワーク(HAttMatting++)を提案する。
入力を追加することなく、単一のRGB画像から前景の不透明度を予測することができる。
59,600のトレーニング画像と1000のテスト画像からなる大規模かつ困難な画像マッチングデータセットを構築した。
論文 参考訳(メタデータ) (2022-10-13T11:16:49Z) - 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) - Semantic Image Matting [75.21022252141474]
交配領域のフレームワークセマンティクス分類に組み込むことで、より良いアルファマットを得る方法を紹介します。
具体的には,20種類のマットングパターンを検討し,学習し,従来の三角マップを意味的三角マップに拡張する提案を行う。
複数のベンチマーク実験により,本手法は他の手法よりも優れており,最も競争力のある最先端性能を実現していることが明らかとなった。
論文 参考訳(メタデータ) (2021-04-16T16:21:02Z) - Bridging Composite and Real: Towards End-to-end Deep Image Matting [88.79857806542006]
画像マッチングにおける意味論と細部の役割について検討する。
本稿では,共有エンコーダと2つの分離デコーダを用いた新しいGlance and Focus Matting Network(GFM)を提案する。
総合的な実証研究により、GFMは最先端の手法より優れていることが示されている。
論文 参考訳(メタデータ) (2020-10-30T10:57:13Z) - Free-Form Image Inpainting via Contrastive Attention Network [64.05544199212831]
画像の塗装作業では、複雑なパターンを形成する画像のどこにでも、どんな形でもマスクが現れる。
エンコーダはこの複雑な状況下でこのような強力な表現を捕捉することは困難である。
本稿では,ロバスト性と一般化性を改善するための自己教師型シームズ推論ネットワークを提案する。
論文 参考訳(メタデータ) (2020-10-29T14:46:05Z) - 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) - 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。