強健的遮罩引導去背：管理雜訊輸入與物件多樣性

連結目錄

摘要與 1. 引言

1. 相關研究

2. MaGGIe

   3.1. 高效遮罩引導實例摳圖

   3.2. 特徵-遮罩時間一致性

3. 實例摳圖資料集

   4.1. 影像實例摳圖與 4.2. 視訊實例摳圖

4. 實驗

   5.1. 在影像資料上預訓練

   5.2. 在視訊資料上訓練

5. 討論與參考文獻

\ 補充材料

1. 架構細節

2. 影像摳圖

   8.1. 資料集生成與準備

   8.2. 訓練細節

   8.3. 定量細節

   8.4. 更多自然影像的定性結果

3. 視訊摳圖

   9.1. 資料集生成

   9.2. 訓練細節

   9.3. 定量細節

   9.4. 更多定性結果

8.4. 更多自然影像的定性結果

圖 13 展示了我們模型在具有挑戰性場景中的表現，特別是在準確渲染頭髮區域方面。我們的框架在細節保留方面持續優於 MGM⋆，尤其是在複雜的實例互動中。與 InstMatt 相比，我們的模型在模糊區域展現出更優越的實例分離和細節準確度。

\ 圖 14 和圖 15 展示了我們的模型和先前研究在涉及多個實例的極端情況下的表現。雖然 MGM⋆ 在密集實例場景中面臨雜訊和準確度的困擾，但我們的模型保持了高精確度。InstMatt 在沒有額外訓練資料的情況下，在這些複雜設置中顯示出局限性。

\ 我們遮罩引導方法的穩健性在圖 16 中得到進一步證明。在此，我們強調了 MGM 變體和 SparseMat 在預測遮罩輸入中缺失部分時所面臨的挑戰，而我們的模型解決了這些問題。然而，重要的是要注意，我們的模型並非設計為人體實例分割網路。如圖 17 所示，我們的框架遵循輸入引導，即使在同一遮罩中存在多個實例時，也能確保精確的 alpha 遮罩預測。

\ 最後，圖 12 和圖 11 強調了我們模型的泛化能力。該模型準確地從背景中提取人體主體和其他物體，展示了其在各種場景和物體類型中的多功能性。

\ 所有範例均為無真實標註的網路影像，並使用來自 r101fpn400e 的遮罩作為引導。

\

\

\

\

\

\

\

\

\

\

\

:::info 作者：

(1) Chuong Huynh，馬里蘭大學帕克分校 (chuonghm@cs.umd.edu)；

(2) Seoung Wug Oh，Adobe Research (seoh,jolee@adobe.com)；

(3) Abhinav Shrivastava，馬里蘭大學帕克分校 (abhinav@cs.umd.edu)；

(4) Joon-Young Lee，Adobe Research (jolee@adobe.com)。

:::

:::info 本論文可在 arxiv 上取得，採用 CC by 4.0 Deed（姓名標示 4.0 國際）授權。

:::

\