VideoMaMa++

NeurIPS 2026, KAIST. Модель делает альфа-мат из маски и видео, включая волосы и тонкие края

Предыдущая версия

• Диффузионный бэкбон тянет только 6-24 кадра, поэтому видео режется на чанки
• Каждый чанк уточняет маску сам по себе, на стыках скачут края и прозрачность

Как решают
• RGB и маска идут отдельными потоками токенов, сводит их полное пространственно-временное внимание
• Две обучаемые метки на кадр: preserve держит готовый мат как образец, refine превращает грубую маску в точную
• Скользящее окно передает мат из прошлого чанка в следующий, глобальный якорь не дает ошибке накапливаться
• Дообучения под длинные ролики не нужно

• Лучший результат по всем метрикам на трех бенчмарках

github.com/cvlab-kaist/VideoMaMa-PlusPlus - ждем

#segmentation #mask2matte #video2matte