摘要
剔除图像中的物体并估计其透明度掩码，即图像抠图（image matting），是众多图像编辑应用中的关键任务。深度学习方法通过借鉴分割网络的编码器-解码器架构，在该任务上取得了显著进展。然而，现有大多数网络仅预测透明度图（alpha matte），随后仍需依赖后处理方法来恢复透明区域中的原始前景与背景颜色。尽管最近已有两种方法通过同时估计前景颜色取得了更优结果，但其带来了显著的计算与内存开销。本文提出一种低成本的改进方法，对现有透明度图网络进行优化，使其能够联合预测前景与背景颜色。我们系统研究了多种训练策略，并探索了大量现有及新型损失函数，以支持联合预测任务。实验结果表明，所提方法在Adobe Composition-1k数据集上，在透明度图与合成颜色质量两项指标上均达到当前最优性能，同时也是alphamatting.com在线评测平台上的当前最佳方法。