BriefGPT - AI 论文速递
·
基于区域注意力和精细化的轻量级人像抠图
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
该文介绍了一种高分辨率人像抠图的轻量级模型，采用了两阶段的框架，通过 Vision Transformer 作为低分辨率网络的主干，能够在高清视频中实时进行处理。该模型在细化网络中提出了一种新颖的跨区域注意力模块，取得了优越结果。
🎯
关键要点
- 提出了一种高分辨率人像抠图的轻量级模型，无需辅助输入。
- 模型采用两阶段框架，低分辨率网络用于粗糙透明度估计，细化网络改善局部区域。
- 使用 Vision Transformer（ViT）作为低分辨率网络的主干，降低空间分辨率。
- 细化网络中提出新颖的跨区域注意力（CRA）模块，以传播局部上下文信息。
- 在三个基准数据集上取得优越结果，性能优于现有最先进模型的 $1/20$ FLOPS。
➡️
