InstMatt：人像实例抠图

Human Instance Matting via Mutual Guidance and Multi-Instance Refinement

https://arxiv.org/abs/2205.10767

https://github.com/nowsyn/InstMatt

CVPR2022 Oral

Authors: Yanan Sun, Chi-Keung Tang, Yu-Wing Tai

文摘：本文介绍了一种称为人类实例matting（HIM）的新matting任务，该任务要求相关模型自动预测每个人类实例的精确alpha matte。直接结合密切相关的技术，即实例分割、软分割和人类/传统的matting，在复杂的情况下很容易失败，因为这些复杂的情况需要沿多毛和薄边界结构分离属于多个实例的混合颜色。为了应对这些技术挑战，我们提出了一个称为InstMatt的人类实例matting框架，其中使用了一种新的相互指导策略，与多实例优化模块协同工作，用于描述人类之间的多实例关系，如果存在复杂和重叠的边界。提出了一种新的实例matting度量，称为实例matting质量（IMQ），它解决了缺乏一种统一、公平的评估方法来强调实例识别和matting质量的问题。最后，我们构建了一个HIM评估基准，该基准包括合成基准图像和自然基准图像。除了在具有多个和重叠的人类实例的复杂案例上的彻底实验结果之外，每个实例都有复杂的边界，在一般实例matting上给出了初步结果。

Submitted 22 May, 2022; originally announced May 2022.