自动抠图的扩散算法

《Neurocomputing》：Diffusion for automatic matting

自动图像羽化方法DAMatte结合扩散模型生成细粒度细节，提出边缘注意力增强机制，通过中间伪trimap提供语义指导，实验表明其性能优于现有自动羽化方法。

　　

黄龙飞|梁宇|张浩|朱欣宁|陈伦德

上海大学中欧技术学院，中国上海

摘要

自动图像抠图技术的最新进展在识别前景物体的主要区域方面取得了显著成果。然而，在保留细节方面仍然是一个主要挑战。与此同时，扩散模型在模拟高度复杂的数据分布和合成真实纹理细节方面表现出卓越的能力，这使得它们成为自动图像抠图的吸引人的解决方案。为此，我们提出了DAMatte，一个基于条件扩散的自动图像抠图框架，该框架利用扩散模型的加噪和去噪过程来生成细节。此外，我们提出了一种边缘注意力增强机制（EAEM），使模型能够更有效地关注富含细节的边缘区域。广泛的实验证明了我们方法的优越性能，验证了其在保留细节方面的有效性。

引言

图像抠图作为计算机视觉中一个基本且被广泛研究的任务，旨在从自然图像中准确提取前景物体。近年来，由于其在图像编辑、电影制作和增强现实等应用中的关键重要性，这一任务吸引了大量研究兴趣。从数学上讲，如公式（1）所示，一个自然的RGB图像可以表示为前景物体$$