استخراج مات عصبی بدون آموزش برای جلوه‌های بصری: نتایج و موارد شکست

4 نتیجه و موارد شکست

ما از تصاویر، trimaps و GT alpha از مجموعه داده استفاده می کنیم [Rhemann et al. 2009] تا امکان مقایسه با حقیقت زمین فراهم شود. شکل 1 یک مورد نسبتاً چالش برانگیز را با موهای گسترده نشان می دهد که برخی از آنها شبیه به رنگ پس زمینه است. شکل 3 چندین مثال اضافی را نشان می دهد. در حالی که حقیقت زمین و نقشه های آلفای تخمینی در نگاه اول یکسان به نظر می رسند، تفاوت های کوچکی را می توان در بزرگ شدن مشاهده کرد. این ممکن است به دلیل نقص در الگوریتم ما باشد، اما همچنین ممکن است منعکس کننده تفاوت در فضاهای رنگی بین الگوریتم ما و فرآیند تخمین حقیقت زمین باشد.

شکل 2 پیش زمینه 𝐹ˆ و پس زمینه 𝐵ˆ را برای یک تصویر خاص نشان می دهد. توجه داشته باشید که رنگ‌های رنگ‌شده فقط باید در ناحیه نامحدود اطراف حاشیه شی درست باشند تا امکان ترکیب روی یک پس‌زمینه جدید را فراهم کنند، همانطور که در این شکل وجود دارد. برون یابی غیرواقعی 𝐹ˆ بر روی مناطق پس زمینه خالص نادیده گرفته می شود.

شکل 4: اشیاء (سمت چپ) با سوراخ می توانند یک مورد خرابی باشند.  نقشه آلفای حقیقت (وسط) زمین.  (راست) نقشه آلفای تخمینی.شکل 4: اشیاء (سمت چپ) با سوراخ می توانند یک مورد خرابی باشند.  نقشه آلفای حقیقت (وسط) زمین.  (راست) نقشه آلفای تخمینی.

4.1 موارد شکست

در حالی که اشیاء با “سوراخ” گاهی اوقات مات خوبی می دهند (به عنوان مثال گیاه در شکل 3)، آنها همچنین یک مورد شکست هستند (شکل 4). در برخی موارد می توان تری مپ را برای برجسته کردن سوراخ های از دست رفته تنظیم کرد، اگرچه این کار در مواردی مانند فنجان در شکل 4 کار دشواری است.

Source link