计算机辅助设计与图形学学报

作者：封筠, 张天, 史屹琛, 王辉, 胡晶晶

关键词：交互式图像分割, 深度学习, Transformer编码, 交互特征融合, 轻量化网络

为了快速、精确地分割用户感兴趣的前景目标, 获得高质量且低成本的标注分割数据, 提出一种基于双阶段特征融合与Transformer编码的交互式图像分割算法. 首先采用轻量化Transformer骨干网络对输入图像提取多尺度特征编码, 更好地利用上下文信息; 然后使用点击交互的方式引入主观先验知识, 依次通过初级与加强阶段将交互特征融入Transformer网络; 最后结合空洞卷积、注意力机制和多层感知机对骨干网络获取的特征图解码. 实验结果表明, 所提算法在GrabCut, Berkeley和DAVIS数据集上的mNoC@90%值分别达到2.18, 4.04和7.39, 优于其他对比算法; 且算法的时间与空间复杂度低于f-BRS-B, 对交互点击位置及点击类型的扰动变化具有较好的稳定性, 说明该算法能够快速、精确与稳定地分割用户感兴趣目标, 提升用户交互的使用体验感.

来源：2024年第6期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2024年第6期