摘要

现有的肖像抠图方法要么需要难以获取的辅助输入，要么涉及多个计算成本高昂的阶段，这使得它们不太适合实时应用。在本研究中，我们提出了一种轻量级的肖像抠图目标分解网络（MODNet），该网络仅需单张输入图像即可实现实时肖像抠图。我们的高效设计的核心思想是通过显式约束同时优化一系列子目标。此外，MODNet引入了两种新颖的技术以提高模型效率和鲁棒性。首先，引入了一个高效的空洞空间金字塔池化（e-ASPP）模块，用于融合多尺度特征进行语义估计。其次，提出了一种自监督子目标一致性（SOC）策略，以适应真实世界数据并解决无三元图方法常见的领域偏移问题。MODNet可以轻松地以端到端的方式进行训练。它比同期的方法快得多，在1080Ti GPU上运行速度可达每秒67帧。实验表明，MODNet在Adobe抠图数据集和我们精心设计的摄影肖像抠图（PPM-100）基准测试中均大幅优于先前的无三元图方法。此外，MODNet在日常照片和视频中也取得了显著的结果。我们的代码和模型可在https://github.com/ZHKKKe/MODNet 获取，而PPM-100基准测试则发布在https://github.com/ZHKKKe/PPM。