Conceptos Básicos
マスク誘導マッティングネットワークに、セマンティックセグメンテーション、エッジ検出、背景線検出の3つの補助タスクを導入し、異なるタイプのデータと注釈から効果的な表現を学習する。また、マッティング表現とセマンティック表現の不整合を利用した詳細正規化モジュールを提案し、低レベルの詳細な部分の過剰適合を防ぐ。
Resumen
本論文は、マスク誘導マッティングの課題に取り組むための新しい補助学習フレームワークを提案している。
複雑な構造を持つオブジェクトや現実世界のシーンに適応するため、セマンティックセグメンテーションとエッジ検出の補助タスクを導入し、現実世界適応的なセマンティック表現を学習する。
低レベルの詳細な部分の過剰適合を防ぐため、マッティング表現とセマンティック表現の不整合を利用した詳細正規化モジュールを提案する。
背景の線や纹理の干渉を抑えるため、背景線検出の補助タスクを導入する。
複雑な構造を持つ植物のマッティングデータセット"Plant-Mat"を提案し、複雑なオブジェクト構造を持つシーンでの評価を行う。
提案手法は、既存のマスク誘導マッティング手法と比較して、さまざまな実世界ベンチマークで優れた性能を示す。
Estadísticas
複雑な構造を持つ植物オブジェクトのマッティングデータセット"Plant-Mat"を提案した。
背景線の距離マップを生成し、合成データの背景線の擬似的なグラウンドトゥルースを作成した。