استخراج مات عصبی بدون آموزش برای جلوه های بصری: چکیده و مقدمه

خلاصه

آلفا مات به طور گسترده ای در کنفرانس های ویدئویی و همچنین در فیلم ها، تلویزیون ها و سایت های رسانه های اجتماعی استفاده می شود. رویکردهای یادگیری عمیق برای مشکل استخراج مات به دلیل موضوع ثابت (انسان رو به رو) برای کنفرانس ویدیویی مناسب هستند، با این حال رویکردهای مبتنی بر آموزش برای ویدیوهای سرگرمی که در آن موضوعات متنوع (سفینه فضایی، هیولا و غیره) ممکن است بی معنی است. فقط چند بار در یک فیلم ظاهر می شود – اگر روشی برای ایجاد حقیقت زمین برای تمرین وجود دارد، فقط از آن روش برای تولید مات های مورد نظر استفاده کنید. ما یک رویکرد استخراج مات عصبی با کیفیت بالا و بدون آموزش را معرفی می کنیم که به طور خاص مفروضات تولید جلوه های بصری را هدف قرار می دهد. رویکرد ما مبتنی بر تصویر عمیق قبلی است، که یک شبکه عصبی عمیق را برای جا دادن یک تصویر واحد بهینه می‌کند و در نتیجه رمزگذاری عمیق تصویر خاص را ارائه می‌دهد. ما از نمایش‌های لایه ماقبل آخر برای درون‌یابی محدودیت‌های “trimap” درشت و ناقص استفاده می‌کنیم. ویدیوهای پردازش شده با این رویکرد از نظر زمانی سازگار هستند. الگوریتم بسیار ساده و شگفت آور موثر است.

مفاهیم CCS

• روش های محاسباتی → پردازش تصویر. • محاسبات کاربردی → هنرهای رسانه ای.

کلید واژه ها

ماتینگ آلفا، یادگیری عمیق، بصری…

Source link