来源 | AI算法与图像处理（ID:AI_study）
华盛顿大学的研究者最近发表的论文在CVPR 2020提供了一个新的和简单的智能抠图方法。你可以在家里做这些日常设置，使用固定或手持相机。我们的方法也是最先进的，给出的输出可比专业的结果。在本文中，我们将介绍该方法的动机、技术细节和使用技巧。
论文：https://arxiv.org/pdf/2004.00626.pdf
项目：https://github.com/senguptaumd/Background-Matting
Matting是什么？
Matting是将图像分离为前景和背景的过程，这样你就可以将前景合成到新的背景上。这是绿屏效应背后的关键技术，广泛应用于视频制作、图形和消费应用。为了建模这个问题，我们将捕获的图像中的每个像素表示为前景和背景的组合:
我们的问题是解决给定的图像(C)每个像素的前景(F)，背景(B)和透明度(alpha).显然这是高度不确定的，因为图像有RGB通道，这需要从3个观察值解决7个未知。
分割的问题
一种可能的方法是使用分割分离前景进行合成。尽管分割在近年来取得了巨大的进步，但它并不能解决所有的问题。分割给每个像素分配一个二进制(0,1)标签来代表前景和背景，而不是解决一个连续的alpha值。这种简化的效果如下例所示:
边缘的区域，特别是头发，有一个真正的alpha值在0到1之间。因此，分割的二进位性质创造了一个苛刻的边界周围的前景，留下可见的人工的痕迹。解决了部分透明度和前景颜色允许更好的合成在第二帧。
使用随意捕捉背景
由于matting是一个比segmentation更难的问题，额外的信息经常被用来解决这个无约束的问题，即使是在使用深度学习的时候。
许多现有的方法使用一个 trimap，或已知前景、背景和未知区域的手工标注的映射。虽然这对于一幅图像是可行的，但是标注视频是非常耗时的，并不是这个问题的一个可行的研究方向。
我们选择使用捕获的背景作为真实背景的估计。这使得前景和alpha值更容易解决。我们称之为“随意捕捉”的背景，因为它可以包含轻微的运动，颜色差异，轻微的阴影，或与前景相似的颜色。
上图显示了我们可以轻易地对真实背景作出粗略估计。当人离开场景时，我们捕捉他们身后的背景。下图显示了它的样子:
注意这张图片是如何具有挑战性的，因为它有一个非常相似的背景和前景颜色(特别是周围的头发)。它也是用手持电话录制的，包含了轻微的背景运动。
“我们称之为随意捕捉的背景，因为它可以包含轻微的运动，颜色差异，轻微的阴影，或与前景相似的颜色。”
Tips for Capturing
虽然我们的方法适用于一些背景扰动，但当背景是恒定的，在室内环境中效果最好。例如，它在被摄主体投射的高度明显的阴影、移动的背景(例如水、汽车、树木)或大曝光变化的情况下不起作用。
我们还建议在视频结束时让人离开场景，然后从连续的视频中拉出画面来捕捉背景。当你从视频模式切换到照片模式时，许多手机都有不同的变焦和曝光设置。当你用手机拍摄时，你也应该启用自动曝光锁定。
捕捉技巧的总结:
选择你能找到的最恒定的背景。
不要站得离背景太近，这样你就不会投下阴影。
启用手机的自动曝光和自动对焦锁定功能。
这种方法和背景减法一样吗?
另一个自然的问题是这是否像背景减法。首先，如果在合成中使用任何背景都很容易，那么电影行业就不会花费数千美元在绿色屏幕上。
此外，背景减法不能解决部分alpha值，给予相同的硬边缘分割。当有相似的前景和背景色或背景中的任何运动时，它也不能很好地工作。
网络细节
该网络由一个监督的步骤和一个非监督的细化组成。我们将在这里简要地总结它们，但要了解详细信息，请参阅论文。
监督式学习
为了首先训练网络，我们使用Adobe composiated -1k数据集，其中包含450个仔细标注的ground truth alpha mattes。我们以一种完全监督的方式训练网络，每个像素的损失输出。
请注意，我们有几个输入，包括图像、背景、软分割和时间运动信息。我们的新上下文切换块（ Context Switching Block ）也确保了对不良输入的鲁棒性。
Unsupervised Refinement with GANs
监督学习的问题是adobe数据集只包含450个ground truth输出，这远远不足以训练一个好的网络。获得更多的数据是极其困难的，因为它涉及到手工注释图像的alpha哑光。
为了解决这个问题，我们使用GAN细化步骤。我们从被监督的网络中获取输出的alpha哑光，并将其合成到一个新的背景中。然后鉴别器试着辨别这是真实的还是虚假的图像。作为回应，生成器学会更新alpha哑光，从而得到尽可能真实的合成，以欺骗鉴别器。
这里重要的部分是，我们不需要任何带标记的训练数据。该鉴别器是用成千上万的真实图像进行训练的，这些图像很容易获得。
在数据上使用GAN训练
GAN的另一个有用之处是，您可以在自己的映像上对生成器进行训练，从而在测试时改进结果。假设您运行网络，但输出不是很好。为了更好地欺骗判别器，你可以更新精确数据上生成器的权重。这将与您的数据过度匹配，但将改善您提供的图像的结果。
未来的工作
虽然我们看到的结果是相当好的，我们将继续使这种方法更准确和容易使用。
特别地，我们想让这个方法对背景运动，摄像机运动，阴影等情况更加健壮。我们也在寻找方法，使这种方法在实时工作和较少的计算资源能力。这可以在视频流或移动应用等领域实现各种各样的用例。
参考
[1] S. Sengupta, V. Jayaram, B. Curless, S. Seitz, and I. Kemelmacher-Shlizerman, Background Matting: The World is Your Green Screen (2020), CVPR 2020
[2] L.C. Chen, Y. Zhu, G. Papandreou, F. Schroff, and H. Adam, Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation (2018), ECCV 2018
[3] Y.Y. Chuang, B. Curless, D. H. Salesin, and R. Szeliski, A Bayesian Approach to Digital Matting (2001), CVPR 2001
[4] Q. Hou and F. Liu. Context-Aware Image Matting for Simultaneous Foreground and Alpha Estimation (2019), ICCV 2019
[5] H. Lu, Y. Dai, C. Shen, and S. Xu, Indices Matter: Learning to Index for Deep Image Matting (2019), ICCV 2019
推荐阅读
你点的每个“在看”，我都认真当成了AI