論文の概要: Robust Human Matting via Semantic Guidance

• arxiv url: http://arxiv.org/abs/2210.05210v1
• Date: Tue, 11 Oct 2022 07:25:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-12 16:12:44.251936
• Title: Robust Human Matting via Semantic Guidance
• Title（参考訳）: セマンティックガイダンスによるロバストなヒューマンマッチング
• Authors: Xiangguang Chen, Ye Zhu, Yu Li, Bingtao Fu, Lei Sun, Ying Shan and Shan Liu
• Abstract要約: 我々はSemantic Guided Human Matting(SGHM)という,高速かつ高精度なヒューマン・マッチング・フレームワークを開発した。 セグメンテーションネットワーク上に構築され、限界計算コストのみの軽量なマッティングモジュールを導入している。 実験の結果,200個のマッチング画像でトレーニングした結果,本手法は実世界のデータセットによく適応できることがわかった。
• 参考スコア（独自算出の注目度）: 35.374012964806745
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automatic human matting is highly desired for many real applications. We investigate recent human matting methods and show that common bad cases happen when semantic human segmentation fails. This indicates that semantic understanding is crucial for robust human matting. From this, we develop a fast yet accurate human matting framework, named Semantic Guided Human Matting (SGHM). It builds on a semantic human segmentation network and introduces a light-weight matting module with only marginal computational cost. Unlike previous works, our framework is data efficient, which requires a small amount of matting ground-truth to learn to estimate high quality object mattes. Our experiments show that trained with merely 200 matting images, our method can generalize well to real-world datasets, and outperform recent methods on multiple benchmarks, while remaining efficient. Considering the unbearable labeling cost of matting data and widely available segmentation data, our method becomes a practical and effective solution for the task of human matting. Source code is available at https://github.com/cxgincsu/SemanticGuidedHumanMatting.
• Abstract（参考訳）: 自動マットリングは多くの実アプリケーションに非常に望ましい。 近年のヒトのマッティング法を調査し,セマンティックな人間のセグメンテーションが失敗するとよく起こる悪例を示す。 これは、意味理解が堅牢なヒトの交配に不可欠であることを示している。 そこで我々は,Semantic Guided Human Matting (SGHM) という,高速かつ高精度なヒューマンマッチングフレームワークを開発した。 セマンティックな人間のセグメンテーションネットワーク上に構築され、限界計算コストのみの軽量なマットングモジュールが導入されている。 従来の作業とは異なり、私たちのフレームワークはデータ効率が良く、高品質なオブジェクトマットを見積もるためには、少量のマットニンググラウンドルースが必要です。 実験の結果,200個のマッチング画像でトレーニングした手法は,実世界のデータセットによく当てはまり,複数のベンチマークで最新の手法より優れ,効率は高いことがわかった。 マッティングデータのラベル付けコストと広く利用可能なセグメンテーションデータを考慮すると、この手法は人間のマッティング作業に実用的かつ効果的な解決策となる。 ソースコードはhttps://github.com/cxgincsu/semanticguidedhumanmattingで入手できる。

関連論文リスト

• Towards Label-Efficient Human Matting: A Simple Baseline for Weakly Semi-Supervised Trimap-Free Human Matting [50.99997483069828]
  我々は、新しい学習パラダイム、弱半教師付きヒトマット(WSSHM)を導入する。 WSSHMは、少量の高価なマットラベルと大量の予算に優しいセグメンテーションラベルを使用して、アノテーションのコストを節約し、ドメインの一般化問題を解決する。 また, 実時間モデルにも容易に適用でき, ブレークネック推論速度で競合精度を達成できる。
  論文  参考訳（メタデータ） (2024-04-01T04:53:06Z)
• Dexterous Functional Grasping [39.15442658671798]
  本稿では,両世界の長所を組み合わさって,対象物の機能的把握を実現する。 少数の人的データを用いてRLの探索空間を削減するための固有グラスプの新規な応用を提案する。 固有グラフプ動作空間は,シミュレーションにおいてベースラインを上回り,実戦におけるハードコードグリップよりも優れ,訓練された人間の遠隔操作者よりも優れることがわかった。
  論文  参考訳（メタデータ） (2023-12-05T18:59:23Z)
• Learning Human Action Recognition Representations Without Real Humans [66.61527869763819]
  そこで本研究では,仮想人間を含む合成データを用いて,実世界の映像を活用してモデルを事前学習するベンチマークを提案する。 次に、このデータに基づいて学習した表現を、下流行動認識ベンチマークの様々なセットに転送可能であるかを評価する。 私たちのアプローチは、以前のベースラインを最大5%上回ります。
  論文  参考訳（メタデータ） (2023-11-10T18:38:14Z)
• SGM-Net: Semantic Guided Matting Net [5.126872642595207]
  我々は,前景の確率マップを生成し,それをMODNetに追加してセマンティックガイドマッチングネット(SGM-Net)を得るモジュールを提案する。 1つの画像しか持たない状態では、人間の交尾作業を実現することができる。
  論文  参考訳（メタデータ） (2022-08-16T01:58:25Z)
• Bi-level Alignment for Cross-Domain Crowd Counting [113.78303285148041]
  現在の手法は、補助的なタスクを訓練したり、高価な粗大な見積もりを適用したりするための外部データに依存している。 そこで我々は, 簡易かつ効率的に適用可能な, 逆学習に基づく新しい手法を開発した。 実世界の5つのクラウドカウントベンチマークに対するアプローチを評価し、既存のアプローチを大きなマージンで上回ります。
  論文  参考訳（メタデータ） (2022-05-12T02:23:25Z)
• Differentiable Multi-Granularity Human Representation Learning for Instance-Aware Human Semantic Parsing [131.97475877877608]
  カテゴリーレベルの人間のセマンティックセグメンテーションとマルチパーソンポーズ推定を共同およびエンドツーエンドで学習するために,新たなボトムアップ方式を提案する。 さまざまな人間の粒度にわたって構造情報を利用する、コンパクトで効率的で強力なフレームワークです。 3つのインスタンス認識型ヒューマンデータセットの実験は、我々のモデルがより効率的な推論で他のボトムアップの代替案よりも優れていることを示している。
  論文  参考訳（メタデータ） (2021-03-08T06:55:00Z)
• Boosting Semantic Human Matting with Coarse Annotations [66.8725980604434]
  粗いアノテートされた人間のデータセットは、公開データセットから取得し、収集するのがずっと簡単です。 マットリファインメントネットワークは、統一マスクと入力画像とを取り込み、最終アルファマットを予測する。
  論文  参考訳（メタデータ） (2020-04-10T09:11:02Z)

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。