融合Trimap特征线索的人像抠图模型.pdfVIP

小型微型计算机系统2025年2月第2期

DOI:10.20009/ki,21-1106/TP.2023-0500

JournalofChineseComputerSystemsVol.46No.22025

融合Trimap特征线索的人像抠图模型

姜宝石，谭小波，张文波，朱宏博12，尹震宇1.3

1（沈阳理工大学信息科学与工程学院，沈阳110159）

2（东北大学计算机科学与工程学院,沈阳110169)

3（中国科学院沈阳计算技术研究所，沈阳110168）

E-mail:hombochu@

摘要：近年来，基于深度学习的人像图像抠图技术已经成为研究热点.相比传统的抠图方法，深度学习抠图技术通过使用深

度神经网络来学习和识别图像中的各种特征，从而进行精确的人像图，具有更高的精细度和稳定性。为了获得更精细的前景

蒙版,Trimap常作为网络的额外的输入，然而，当前许多方法在利用Trimap的特征方面效率不高，并且都倾向于设计更深更复

杂的模型网络，这可能会导致模型计算资源占用较大增加以及减缓模型的计算速度，针对以上情况，本文提出了一种以Trimap

作为额外输入的简单架构抠图模型，具体来说，本文通过将Trimap图像与原始图像进行特征融合，使得图网络能够更好地关

注到Trimap中的特征线索.此外，本文还设计了一种新型的归一化方式，以适应模型的训练过程.与近年流行的抠图模型相比，

该模型在公开的人像数据集上显示出更低的量化损失（mse:0.0003,mad:0.0019,grad:6.0,conn：3.3），并且具有更精细的边界

效果.

关键词：数字图像抠图；深度学习技术；Trimap

中图分类号：TP391文献标识码：A文章编号：1000-1220(2025)02-0389-07

PortraitImageMattingModelIntegratingTrimapFeatureClues

JIANGBaoshi,TANXiaobo,ZHANGWenbo,ZHUHongbo*,YINZhenyu-3

1(SchoolofInformationScienceandEngineering,ShenyangLigongUniversity,Shenyang110159,China)

2(SchoolofComputerScienceandEngineering,NortheastermUniversity,Shenyang110169,China)

3(ShenyangInstituteofComputingTechnology,ChineseAcademyofSciences,Shenyang110168,China)

Abstract:Inrecentyears,portraitimagemattingtechnologybasedondeeplearninghasemergedasaresearchhotspot.Incomparison

totraditionalmattingmethods,deeplearningmattingtechniquesutilizedeepneuralnetworkstolearnandrecognizevariousfeaturesin

images,enablingpreciseportraitmattingwithhigherrefinementandstability.Toachieveamorerefinedforegroundmask,Trimapis

oftenusedasanadditionalinputtothenetwork,However,manycurrentmethodsandnetworksareinefficientinutilizingTrimapfea-

tures,andtheytendtodesi