pp-matting发展历程

pp-matting 的发展可以追溯到 2017 年，当时 Google 发布了一篇名为《Deep Image Matting》的论文，提出了一种基于深度学习的图像抠图方法，该方法可以自动学习前景物体的轮廓信息，并实现高质量的图像抠图。随后，该方法在学术界和工业界引起了广泛关注。

在 2018 年，Google 与新加坡国立大学合作，进一步改进了深度学习模型，提出了一种名为《Deep Image Matting: A Comprehensive Survey》的综述论文，对当前各种图像抠图方法进行了总结和比较，并提出了集成多种算法的混合模型。

随后，pp-matting 团队在 Google 的基础上，采用多层次的神经网络结构，提出了一种名为 PPMatt-Net 的深度学习模型，该模型可以通过输入带有前景物体和背景的图像，自动学习前景物体的轮廓信息，从而实现精准的图像抠图。该方法在 ICIP 2019 上获得了最佳论文奖，并在实际应用中具有广泛的应用前景。