초록
객체를 추출하고 투명도 마스크를 추정하는 작업인 이미지 매트팅은 다양한 이미지 편집 응용 분야에서 핵심적인 과제이다. 딥러닝 기법은 세그멘테이션 네트워크의 인코더-디코더 아키텍처를 적응시켜 큰 진전을 이루었다. 그러나 기존 대부분의 네트워크는 알파 매트만을 예측하며, 투명 영역 내 원래의 전경 및 배경 색상을 복원하기 위해 후처리 기법을 추가로 사용해야 한다. 최근 두 가지 방법이 전경 색상도 함께 추정함으로써 성능을 향상시켰지만, 이는 상당한 계산 비용과 메모리 사용량을 수반한다.본 논문에서는 알파 매트팅 네트워크에 저비용으로 적용 가능한 개선 방안을 제안하여, 전경 및 배경 색상까지 동시에 예측할 수 있도록 한다. 또한 훈련 방식의 다양한 변형을 탐색하고, 공동 예측을 위한 기존 및 새로운 손실 함수의 광범위한 조합을 실험한다.제안하는 방법은 Adobe Composition-1k 데이터셋에서 알파 매트 및 복합 색상 품질 측면에서 최신 기준 성능을 달성하였으며, 알파매트팅.com 온라인 평가에서 현재 가장 우수한 성능을 기록하고 있다.