CVPR2020评价颇高的一抠图算法，非常适用于static background的相关领域，可用高细粒度的前景提取，以及背景替换（可用于小样本数据增强），目前github开源已经三千多星
论文地址：https://arxiv.org/abs/2004.00626
代码：https://github.com/senguptaumd/Background-Matting
上算法原理前，需要介绍，抠图物理模型是基于
I = αF + (1 − α)B , 很好理解， I是原图，F是前景，B是背景，alpha可以理解为前景heatmap
算法主体思路包括两部分，上图：
第一部分，前景抠图网络：输入包括四部分，原图I,背景B，分割结果S，前后帧灰度图M，经过encoding后，将B,S,M采样结果分别与I采样结果concat，之后经过一步卷积，融合所有信息前向并上采样得到输出，alpha以及foreground
作者实验后发现，单纯使用Adobe数据集训练的网络在变换场景后，抠图效果不理想，故级联了第二步工作，级联GAN，GAN的部分初始化了新的抠图网络Greal，同时需要使用第一步训练得到的网络Gadobe，利用Gadobe作为教师网络并结合判别器（Discriminator）的loss训练Greal，最后，每五个iteration，更新一次判别器参数