論文の概要: Deep Automatic Natural Image Matting

• arxiv url: http://arxiv.org/abs/2107.07235v1
• Date: Thu, 15 Jul 2021 10:29:01 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-16 14:12:44.294711
• Title: Deep Automatic Natural Image Matting
• Title（参考訳）: 深部自動自然画像マッチング
• Authors: Jizhizi Li, Jing Zhang, Dacheng Tao
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 82.56853587380168
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automatic image matting (AIM) refers to estimating the soft foreground from an arbitrary natural image without any auxiliary input like trimap, which is useful for image editing. Prior methods try to learn semantic features to aid the matting process while being limited to images with salient opaque foregrounds such as humans and animals. In this paper, we investigate the difficulties when extending them to natural images with salient transparent/meticulous foregrounds or non-salient foregrounds. To address the problem, a novel end-to-end matting network is proposed, which can predict a generalized trimap for any image of the above types as a unified semantic representation. Simultaneously, the learned semantic features guide the matting network to focus on the transition areas via an attention mechanism. We also construct a test set AIM-500 that contains 500 diverse natural images covering all types along with manually labeled alpha mattes, making it feasible to benchmark the generalization ability of AIM models. Results of the experiments demonstrate that our network trained on available composite matting datasets outperforms existing methods both objectively and subjectively. The source code and dataset are available at https://github.com/JizhiziLi/AIM.
• Abstract（参考訳）: オートマチック・イメージ・マットリング(aim)とは、トリマップのような補助入力なしに任意の自然画像からソフトフォアグラウンドを推定することであり、画像編集に有用である。 従来の方法は、人間や動物のような不透明な前景を持つ画像に制限されながら、マットングプロセスを支援するために意味的特徴を学習しようと試みていた。 本稿では, 自然画像への拡張の難しさを, 透明・妙な前景や非塩性前景で検討する。 この問題に対処するために、上記の型の任意の画像に対する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。 同時に、学習された意味的特徴は、マッティングネットワークを注意機構を介して遷移領域に集中するように導く。 また,手動でラベル付けしたアルファマットとともに,500種類の自然画像を含むAIM-500の試験セットを構築し,AIMモデルの一般化能力を評価できるようにする。 実験の結果,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たネットワークは,客観的・主観的にも既存手法よりも優れていることがわかった。 ソースコードとデータセットはhttps://github.com/JizhiziLi/AIM.comで入手できる。

関連論文リスト

• Boosting General Trimap-free Matting in the Real-World Image [0.0]
  我々は,textbfMulti-textbfFeature fusion-based textbfCoarse-to-fine Network textbf(MFC-Net)というネットワークを提案する。 提案手法は, 合成画像と実世界の画像の両方において有意に有効であり, 実世界のデータセットの性能は, 既存のマッティングフリー手法よりもはるかに優れている。
  論文  参考訳（メタデータ） (2024-05-28T07:37:44Z)
• 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)
• PP-Matting: High-Accuracy Natural Image Matting [11.68134059283327]
  PP-Mattingは、高精度な自然な画像マッチングを実現するトリマップのないアーキテクチャである。 本手法は,前景のきめ細かい詳細を抽出する高精細ディテールブランチ (HRDB) を適用する。 また,意味的セグメンテーションのサブタスクを採用した意味的文脈分岐(SCB)を提案する。
  論文  参考訳（メタデータ） (2022-04-20T12:54:06Z)
• 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)
• 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)
• Human Perception Modeling for Automatic Natural Image Matting [2.179313476241343]
  natural image mattingは、alpha matteを使って、フォアグラウンドオブジェクトを背景から正確に分離することを目的としている。 アノテーションを付加せずに直感的に設計したトリマップフリー2段階マッチング手法を提案する。 このマッティングアルゴリズムは,現在最先端の手法と,trimap-freeとtrimap-needの両方の面で競合する性能を持つ。
  論文  参考訳（メタデータ） (2021-03-31T12:08:28Z)
• Salient Image Matting [0.0]
  本研究では,画像中の最も鮮やかな前景の画素あたりの不透明度値を推定するために,Salient Image Mattingという画像マッチングフレームワークを提案する。 我々のフレームワークは、広範囲のセマンティクスと健全なオブジェクトタイプを学ぶという課題を同時に扱う。 私たちのフレームワークは、他の自動メソッドと比較して、わずかな高価なマットデータのみを必要とします。
  論文  参考訳（メタデータ） (2021-03-23T06:22:33Z)
• Self-Adaptively Learning to Demoire from Focused and Defocused Image Pairs [97.67638106818613]
  モアレアーティファクトはデジタル写真では一般的であり、高周波シーンコンテンツとカメラのカラーフィルタアレイとの干渉によるものである。 大規模反復で訓練された既存のディープラーニングに基づく復習手法は、様々な複雑なモアレパターンを扱う場合に限られる。 本稿では,高頻度画像の復調のための自己適応学習手法を提案する。
  論文  参考訳（メタデータ） (2020-11-03T23:09:02Z)
• 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)

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。