健康资讯 #深度学习# #深度学习# 我们提出了“掩码引导（Mask Guided）抠图”，这是一个鲁棒的抠图框架，它以常规的粗糙掩码作为指导。 MG Matting利用网络（PRN）设计，该设计鼓励抠图模型提供自我指导，以通过解码过程逐步完善不确定区域。 训练中还引入了一系列引导掩码摄动操作，以进一步增强其对外部引导的鲁棒性。 我们证明PRN可以推广到看不见的引导掩码类型，例如trimap和低质量的alpha遮罩，使其适用于各种应用程序管道。 此外，我们重新讨论了用于抠图的前景色预测问题，并提出了令人惊讶的简单改进来解决数据集问题。 对真实和综合基准的评估表明，MG Matting使用各种类型的指导输入实现了最先进的性能。
论文链接：网页链接
代码链接：网页链接
