DiffusionMatは、拡散モデルを用いて粗い段階から精細な段階へとアルファマットを作成する革新的な画像切り抜きフレームワークです。従来の方法とは異なり、本手法は画像切り抜きを段階的な改善学習過程と捉え、トリミングマップへのノイズ付加から始め、事前学習済みの拡散モデルによってノイズを反復的に除去することで、予測をクリーンなアルファマットへと段階的に導きます。本フレームワークの重要な革新は、各ノイズ除去ステップで出力を調整し、最終結果が入力画像の構造と整合するようにする補正モジュールです。また、自信のあるアルファ情報を持つトリミングマップ領域を選択的に強化することで、利用可能なガイダンスの効果を最大化し、補正タスクを簡素化する、Alpha信頼性伝播という新しい技術も導入しています。補正モジュールの学習には、アルファマットのエッジの精度と不透明領域および透明領域の一貫性を重視した専用の損失関数を設計しました。いくつかの画像切り抜きベンチマークでモデルを評価した結果、DiffusionMatは既存手法を常に凌駕することが示されました。