تمثيل البازل البشري الدلالي

فصل الإنسان (Human Matting)، وهو استخراج عالي الجودة للإنسان من الصور الطبيعية، يعتبر ضروريًا لتطبيقات متنوعة. نظرًا لأن مشكلة الفصل شديدة النقص في القيود، فإن معظم الطرق السابقة تتطلب تفاعلات المستخدم لاستخدام خرائط الحدود أو الرسومات التي يحددها المستخدم كقيود. هذه الطبيعة التي تتضمن وجود المستخدم في الحلقة تجعلها صعبة التطبيق على بيانات كبيرة أو سيناريوهات حساسة زمنيًا. في هذا البحث، بدلاً من استخدام قيود المدخلات الصريحة للمستخدم، نعتمد قيود معنوية ضمنية تم تعلمها من البيانات ونقترح خوارزمية فصل الإنسان التلقائية (SHM). تعتبر SHM أول خوارزمية تتعلم كيفية ملاءمة المعلومات المعنوية والتفاصيل عالية الجودة معًا باستخدام الشبكات العميقة. في الممارسة العملية، يعد تعلم كلٍ من الدلالات العامة والتفاصيل الدقيقة في الوقت نفسه تحديًا كبيرًا. نقترح استراتيجية دمج جديدة تعطي تقديرًا احتماليًا طبيعيًا لمتتالية ألفا (alpha matte). كما نقوم ببناء مجموعة بيانات كبيرة جدًا تحتوي على شروح ذات جودة عالية وتتألف من 35,513 خلفية فريدة لتسهيل تعلم وتقييم فصل الإنسان. أظهرت التجارب الواسعة على هذه المجموعة من البيانات وعلى العديد من الصور الحقيقية أن SHM تحقق نتائج مماثلة لطرق الفصل التفاعلية الأكثر تقدمًا.