融合Trimap特征线索的人像抠图模型

摘要

近年来，基于深度学习的人像图像抠图技术已经成为研究热点.相比传统的抠图方法，深度学习抠图技术通过使用深度神经网络来学习和识别图像中的各种特征，从而进行精确的人像抠图，具有更高的精细度和稳定性.为了获得更精细的前景蒙版，Trimap常作为网络的额外的输入.然而，当前许多方法在利用Trimap的特征方面效率不高，并且都倾向于设计更深更复杂的模型网络，这可能会导致模型计算资源占用较大增加以及减缓模型的计算速度.针对以上情况，本文提出了一种以Trimap作为额外输入的简单架构抠图模型，具体来说，本文通过将Trimap图像与原始图像进行特征融合，使得抠图网络能够更好地关注到Trimap中的特征线索.此外，本文还设计了一种新型的归一化方式，以适应模型的训练过程.与近年流行的抠图模型相比，该模型在公开的人像数据集上显示出更低的量化损失（mse:0.0003,mad:0.0019,grad:6.0,conn:3.3），并且具有更精细的边界效果.

关键词

数字图像抠图 / 深度学习技术 / Trimap