17日前

PP-Matting:高精度自然画像マッティング

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:高精度自然画像マッティング
要約

自然画像マッティングは、コンピュータビジョンにおける基本的かつ挑戦的なタスクであり、画像編集や合成において多様な応用が期待されている。近年、ディープラーニングに基づくアプローチにより、画像マッティングの性能は著しく向上している。しかし、これらの多くはユーザーが提供するトリマップ(trimap)を補助入力として必要とし、実世界におけるマッティングの応用を制限している。一部のトリマップ不要なアプローチも提案されているが、トリマップを用いた手法に比べてマッティングの品質は依然として満足のいかないものである。トリマップのガイドラインが欠如している状況では、マッティングモデルは前景と背景の区別がつきにくくなりやすく、特に境界領域ではぼやけた細部を生成してしまう傾向がある。本研究では、高精度な自然画像マッティングを実現可能なトリマップ不要なアーキテクチャ「PP-Matting」を提案する。本手法は、特徴量の解像度を維持しつつ、前景の微細な詳細情報を抽出する「高解像度ディテールブランチ(HRDB)」を導入している。さらに、セマンティックセグメンテーションをサブタスクとして採用する「セマンティックコンテキストブランチ(SCB)」を提案。これにより、セマンティックコンテキストの欠落によって引き起こされる局所的な曖昧性を防止し、ディテールの予測精度を向上させる。また、広範な実験を、代表的な2つのベンチマークデータセットである「Composition-1k」と「Distinctions-646」上で実施した。実験結果から、PP-Mattingが従来手法を上回る優れた性能を発揮することが示された。さらに、人間のマッティングに対する定性的評価も実施し、実用的応用において顕著な性能を示すことを確認した。本研究のコードおよび事前学習済みモデルは、PaddleSegにて公開される予定である:https://github.com/PaddlePaddle/PaddleSeg。

PP-Matting:高精度自然画像マッティング | 最新論文 | HyperAI超神経