BriefGPT - AI 论文速递
·
向标签有效的人物抠图迈进：无需辅助轮廓线的弱监督简易基线
💡
原文中文，约600字，阅读约需2分钟。
📝
内容提要
本研究提出了一种新的实用人像抠图训练方法，通过像素级人体区域识别和大量标注来实现。引入弱半监督人像抠图（WSSHM）学习范式，节省标注成本和解决领域泛化问题。通过抠图标签融合（MLB）训练方法，显著提高抠图模型的鲁棒性。实现代码可在https://github.com/clovaai/WSSHM获取。
🎯
关键要点
-
本研究提出了一种新的实用人像抠图训练方法。
-
该方法通过像素级人体区域识别和大量标注实现。
-
引入弱半监督人像抠图（WSSHM）学习范式以降低标注成本。
-
WSSHM利用少量昂贵的抠图标签和大量经济实惠的分割标签。
-
提出抠图标签融合（MLB）训练方法以提高模型鲁棒性。
-
实验表明该方法在少量抠图数据和大量分割数据下显著提高鲁棒性。
-
训练方法适用于实时模型，具有竞争力的准确性和极快的推理速度。
-
实现代码可在 https://github.com/clovaai/WSSHM 获取。
➡️
