达摩院视觉算法黑科技之透明抠图

透明抠图问题作为抠图问题的一种，其采用的方法和模型构建与通常的模型有所不同，透明抠图需要将环境光，折射率的影响纳入计算，而一般的折射光图又很难获得，因此透明抠图的模型在过去一直难以建立，或者说很难达到令人满意的效果，达摩院视觉算法团队通过双分支解码器（Object Mask 获取，Opacity 预测），颜色纠正模块，对图像实现高精度透明抠图。

透明抠图 vs 非透明抠图

物体的抠图问题可以定义为求解以下的公式，即给定图像 I，求解前景颜色 F、背景颜色 B 和 Alpha matte 的线性组合:

对于透明物体而言，它展现在观察者眼中的颜色是由其前景颜色，背景颜色以及环境光线经过前景物体自我反射折射混合而成的，因此，它的公式会更加复杂一些：

Φ 表示的是环境光的影响 它是所有光线 E(w) 与反射率方程 R 乘积在所有点上的二重积分，求解很复杂[28]，导致实现精确的透明抠图是一个非常困难的问题。因此，现有透明抠图研究的目标也是实现视觉感受“真实”的抠图而已，并非追求完全真实的抠图结果。

现有研究

SOTA 的 Matting 算法在同时提供原图和对应 trimap 的情况下，可以的实现对半透物体的处理（如下图为GCA-Matting 的效果），但 tripmap 在实际的图像的处理中难以获取，限制了这类算法其在业务中的使用。

TOM-Net 将透明抠图问题视为折射流的估计问题，网络支持对单图输入,经过三分支的编解码器网络，分别预测图像的 Object Mask，attenuative mask，flow mask (折射流图)，并可以通过折射流信息进一步在新的背景进行合成。该方法的局限性在于其假设物体必须全部为无色透明物体，并且在训练过程中需要折射流图作为 label, 而折射流图在真实世界是非常难以获取的，因此该方法的训练数只能依赖于图形学合成，与真实透明图像的分布无法一致（图像的语义合理性存疑，例如玻璃杯在山前悬浮）。经过我们在实际数据上的测试，该方法在实际图像的表现并不理想。

Segmenting Transparent Objects in the Wild 提出了基于语义分支和边缘分支结构的真实世界透明物体分割网络，通过边界注意力模块（Boundary Attention Modeule）增强对透明物体的分割精度，并发布了目前数量最大的透明物体分割标注数据集 Trans10K。然而，文章提出的算法和发布的数据集都是处理到语义分割层面，并没有对物体的透明度做进一步处理。

问题简化

考虑到透明抠图问题本身难以求解，而且数据构建也非常困难，在实际的应用场景中，为保证同时保证算法的泛化能力和抠图效果，我们对问题进行了简化， 我们假设所需处理的物体的透明部分是无色的，且所在环境的背景颜色分布相对均匀。在这样的条件下，背景的自发光或反射光的颜色可以认为是全局一致的颜色，不会出现多种颜色叠加的情况，Φ 的估计就只是和背景颜色相关了。特别的，如果预知背景的颜色，可以通过将其作为先验引入 Φ 中，对结果进行背景杂色的抑制及去除。

模型设计

我们的模型输入为单张图像，通过编码器网络提取其深层特征。解码器设计为两个分支，分支一的解码器采用在非透明物体抠图的解码器权重，该分支注重语义级别的分割和提取，力求完整准确地获得物体所在图像区域,即 Object Mask。

分支二则注重对图像物体不透明度 (Opacity) 的预测。在背景均匀的假设下，该分支预测图像各像素与背景的相似性，相似度高则说明介质的透明度高（如空气，玻璃）。而分支二由于在训练的时候没有进行语义的约束，容易存在非主体区域的噪声影响，因此，将两者进行融合可以将透明信息约束在主体范围内。融合模块的实现，可以将 Opacity 和 ObjectMask 进行图像级的像素融合，也可以将两者进行深度维度拼接，通过进一步的网络进行预测。

最后，对于已知背景颜色先验的场景（如已知是绿幕），我们可以引入颜色纠正模块，实现对背景透出的杂色进行去除。对于背景颜色未知，但饱和度低的场景，抠图结果也依然可用。

结果与应用

在已知背景颜色先验的情况下，可以通过颜色纠正模块对背景透出的杂色进行去除（左到右：实拍图， Opacity, 直接抠图结果，色偏纠正结果）

对于背景颜色未知，但饱和度低的场景，抠图结果也依然可用。

更多结果

目前在车辆分割算法上，我们已经实现了基于透明抠图的思路用于改善半透车窗区域的效果，使得车辆经过抠图，能够更加自然和谐与新背景进行融合。目前车辆分割已经上线  阿里云视觉智能开放平台，欢迎大家  体验试用。

总结与展望

目前的透明抠图算法，面对更为多样的真实场景下物体，仍然具有以下不足，需要进一步探索解决：

• 1.真实透明物体图像数据量严重不足，且标注困难；
• 2.主体不透明度图（Opacity）的预测容易受到图像中噪声的影响；
• 3.在得到 Opacity 图后，在未知背景先验，且背景颜色饱和度高的情况下，如何实现将背景色的去除（如下图的杯子整体泛蓝);

后续我们会考虑进一步提取背景的特征，将背景先验知识引入到透明度的估计上，增加 RGB 偏移输出信息，尝试对前景物体的颜色进行纠正。

文章来源： https://developer.aliyun.com/article/766602?groupCode=aliyunmit