HyperAIHyperAI
منذ 17 أيام

PP-Matting: تقطيع صور طبيعية بدقة عالية

Guowei Chen, Yi Liu, Jian Wang, Juncai Peng, Yuying Hao, Lutao Chu, Shiyu Tang, Zewu Wu, Zeyu Chen, Zhiliang Yu, Yuning Du, Qingqing Dang, Xiaoguang Hu, Dianhai Yu
PP-Matting: تقطيع صور طبيعية بدقة عالية
الملخص

التحميص الطبيعي للصور هو مهمة أساسية وصعبة في رؤية الحاسوب، ويُستخدم على نطاق واسع في تحرير الصور وتكوينها. في الآونة الأخيرة، حققت الطرق القائمة على التعلم العميق تحسينات كبيرة في مجال تحميص الصور. ومع ذلك، فإن معظم هذه الطرق تتطلب إدخالًا إضافيًا من قِبل المستخدم يُعرف بـ "الترماب" (trimap)، مما يحد من تطبيقات التحميص في العالم الحقيقي. وعلى الرغم من اقتراح بعض الطرق التي لا تعتمد على الترماب، إلا أن جودة التحميص لا تزال غير مرضية مقارنة بالطرق التي تعتمد على الترماب. بدون توجيه الترماب، يعاني نماذج التحميص من غموض بين الخلفية والجسم الأمامي بسهولة، كما تُنتج تفاصيل ضبابية في مناطق الانتقال. في هذا العمل، نقترح طريقة PP-Matting، وهي بنية خالية من الترماب تُمكن من تحقيق تحميص دقيق للصور الطبيعية. تعتمد طريقة我们的 على فرع تفاصيل عالي الدقة (HRDB) الذي يستخرج التفاصيل الدقيقة للجسم الأمامي مع الحفاظ على دقة الميزات دون تغيير. كما نقترح فرع سياق معنوي (SCB) الذي يستخدم مهمة تجزئة معنوية فرعية، وذلك لمنع التنبؤ بالتفاصيل من الوقوع في غموض محلي ناتج عن نقص السياق المعنوي. علاوةً على ذلك، أجرينا تجارب واسعة على معيارين معروفين: Composition-1k وDistinctions-646. وأظهرت النتائج تفوق PP-Matting على الطرق السابقة. بالإضافة إلى ذلك، قمنا بتقييم كمي لطريقة لدينا في حالة تحميص البشر، مما يُظهر أداؤها المتميز في التطبيقات العملية. سيتم إتاحة الشفرة النموذجية والنماذج المُدرّبة مسبقًا عبر PaddleSeg: https://github.com/PaddlePaddle/PaddleSeg.