论文：https://arxiv.org/abs/2204.09433

代码：https://github.com/PaddlePaddle/PaddleSeg

1、动机

        在自然图像抠图领域，大多数方法都是基于Trimap来做抠图，这种trimap-based的方式在抠图时还需要用户绘制一个trimap作为模型输入，这大大限制了实际中的应用。虽然也有一些trimap-free方法提出，但其抠图质量往往不尽如人意，比如前景-背景模糊、过渡区域细节模糊等。

        因此，本文提出了一种trimap-free的自然图像抠图方法。该方法提出了一个高分辨率细节分支（HRDB）在保持特征分辨率不变的情况下提取前景的细粒度细节，还提出了一个语义分割上下文分支（SCB）来避免在细节预测中因语义上下文缺失而引起局部歧义。

2、基础概念

        抠图与分割的区别：

        如图1所示，抠图生成的前景更为精细，而分割生成的前景在边缘处比较粗糙：

        抠图公式表达：

         对于一幅图像，其由前景和背景组成。原图第i个像素的值，可以有前景、背景通过一个α系数进行线性组合：

 α对前景来说，是一个不透明度系数。因此，图像抠图是高度不适定的，它需要求解七个值（前景的RGB、背景的RGB、α）但只有三个值已知（原图的GRB）。

        trimap-based：

        为了降低解决图像抠图问题的难度，之前有些研究提出了使用trimap来作为辅助输入。trimap将图像分为三个区域：前景、过渡区域、背景，以此引入先验来辅助模型的学习。这种方式仅适用于PS之类的应用中用户可以方便绘图的场景，对于自然场景、视频抠图等场景，基于trimap的方法非常不方便。

        trimap-free：

        既然让用户给出trimap不太合适，那就有研究提出了一些替代方案：给出更容易获取的背景图和原图，或者只给出原图但通过第一阶段的模型先预测一个trimap再送入第二阶段进行抠图。这两种方式都有缺点：前者对背景图要求和前景一致，不能有丝毫误差；后者则严重依赖第一阶段的trimap生成质量，容易产生误差累计。因此，最好的方式是直接只使用原图，完全trimap-free的进行Matting。已有研究提出这样的方法，但效果都不理想。

3、方法

3.1. 网络结构

        正确的语义上下文和清晰的细节是高精度Matting的关键。在trimap-based的方法中，trimap提供了足够的语义上下文，而模型只需关注过渡区域即可，所以trimap-based的方法才能效果不错。那么要是在trimap-free方法中也获得语义上下文，是不是就可以像trimap-based方法那样获取精确的结果了呢？

        因此，作者提出了一个网络结构，包含了SCB分支来获取语义上下文，同是还有一个HRDB分支来获取高分辨率细节。具体网络结构如图2所示：

         网络结构描述：

        backbon使用的是HRNet，也是上图中的Shared Encoder；

        backbone最后一个stage的输出送入金字塔池化（PPM）模块，以获取更为丰富的语义上下文；

        SCB分支：PPM得到的feature map和Shared Encoder的1/32倍下采样的feature map作为SCB的输入；SCB由五个块组成，每个块由Conv、BN、ReLU以及一个双线性上采样组成；此外，SCB的输出也被一个包含三个类别（前景、背景、过渡区域）的语义分割任务监督，如图2中的semantic map，和trimap非常相像；

        HRDB分支：Shared Encoder的中间特征通过上采样后concat起来作为HRDB的初始输入，然后分别从SCB的1/16 、1/4中间特征引入引导流（Guidance Flow），以引入语义信息，辅助HRDB获取更为精细的细节；

        Guidance Flow：引导流的结构如图3所示，其将来自SCB的语义上下文feature map和HRDB的细节feature mapconcat起来，送入ConvBNReLU和ConvBNSimoid得到Guidance map，然后再与来自HRDB的细节feature map点乘、相加，得到HRDB的下一级feature map；

 Guidance Flow可用公式表示为：

3.2. 损失函数

        loss包含三部分：

         第一部分，SCB中的语义分割loss，是三分类分割任务的交叉熵损失：

        第二部分，HRDB中的细节loss，仅在过渡区域起作用，由alpha预测loss和梯度loss组成：

         第三部分，最终的alpha matte loss，由alpha预测loss、梯度loss、成分loss组成，其中，成本loss是预测图与原图的绝对差：

 因此，最终的loss是上述三部分loss的加权组合：

4、实验结果

5、写在后面

        PP-Matting提出了一种trimap-free的方法，通过引入SCB和HRDB分支，并在两个分支之间增加Guidance Flow来进行信息融合，达到了trimap-free方法中的SOTA，非常适合应用与自然图像抠图。 

        之前不管是trimap还是背景图，都需要用户使用时提供额外的辅助信息，这在实际使用时相当不便。而trimap-free方法只需要用户提供一张图片，即可得到最终的抠图效果，这大大方便了使用。未来一定是trimap-free的天下~