MaGGIe: 掩码引导渐进式人体实例抠图
💡
原文中文,约400字,阅读约需1分钟。
📝
内容提要
我们提出了一种新的框架MaGGIe,能够逐步预测每个人物实例的透明度抠图。该框架利用现代架构,输出所有实例的抠图,且在多实例情景下保持恒定的推理成本。通过使用更高质量的图像和视频抠图基准,增加模型在现实世界场景中的泛化能力。
🎯
关键要点
-
提出了一种新的框架MaGGIe,能够逐步预测每个人物实例的透明度抠图。
-
框架在保持计算成本、精确度和一致性的同时,输出所有实例的抠图。
-
利用现代架构,如Transformer注意力和稀疏卷积,避免内存和延迟问题。
-
在多实例情景下保持恒定的推理成本,表现出稳健而灵活的性能。
-
通过使用更高质量的图像和视频抠图基准,增强模型在现实世界场景中的泛化能力。
➡️