摘要

近年来，基于深度学习的方法在自然图像抠图方面取得了显著的改进。许多这些方法可以生成视觉上合理的透明度估计，但在半透明区域通常会产生模糊的结构或纹理。这是由于透明物体的局部不确定性造成的。一种可能的解决方案是利用远距离周围的上下文信息来估计局部透明度。传统的基于亲和力的方法往往因计算复杂度过高而不适合高分辨率的透明度估计。受基于亲和力的方法和上下文注意力在图像修复中成功应用的启发，我们开发了一种新的端到端自然图像抠图方法，该方法包含一个专门设计用于图像抠图的引导式上下文注意力模块。引导式上下文注意力模块根据学习到的低级亲和力直接全局传播高级透明度信息。所提出的方法不仅能够模拟基于亲和力方法的信息流，同时还能利用深度神经网络学到的丰富特征。在Composition-1k测试集和alphamatting.com基准数据集上的实验结果表明，我们的方法在自然图像抠图方面优于现有的最先进方法。代码和模型可在https://github.com/Yaoyi-Li/GCA-Matting 获取。