디지털 매트링을 위한 후기 융합 CNN

이 논문은 단일 RGB 이미지를 입력으로 받아 전경 알파 매트를 예측하기 위해 깊은 합성곱 신경망의 구조를 연구한다. 제안하는 네트워크는 전경과 배경 분류를 각각 담당하는 두 개의 디코더 브랜치를 갖는 완전 합성곱 구조로 구성되어 있다. 이후 두 분류 결과를 통합하기 위한 융합 브랜치를 사용하여 소프트 세그멘테이션 결과인 알파 값을 도출한다. 이 설계는 훈련 과정에서 더 나은 알파 값을 얻기 위해 네트워크가 더 많은 자유도를 가지게 한다. 또한 사용자 상호작용 없이 네트워크가 암시적으로 트라이맵을 생성할 수 있어, 디지털 매트링에 대한 전문 지식이 없는 초보자도 쉽게 사용할 수 있다. 실험 결과, 제안한 네트워크는 다양한 유형의 객체에 대해 고품질의 알파 매트를 생성할 수 있으며, 인간 이미지 매트링 작업에서 기존 최고 성능을 기록한 CNN 기반 이미지 매트링 방법들을 능가함을 보여주었다.