跳到正文

ViTMatte

基于纯视觉变换器的图像抠图系统

访问官网

ViTMatte 是什么

ViTMatte 被介绍为一种图像抠图方案,把预训练的纯视觉变换器用于抠图,并用混合注意力与卷积颈部平衡性能和计算量。

你可以用它做什么

  • 通过轻量卷积模块补充抠图细节
  • 按场景挑选合适的预训练策略
  • 在不同推理设置下完成抠图

上手流程

  • 安装所需的依赖库和工具
  • 下载并解压代码库
  • 选择合适的预训练模型权重
  • 准备输入图像以及对应的 trimap

优点与缺点

✓ 我们认可的地方

  • 多种预训练策略有助于泛化
  • 资料称架构简洁、易于应用

! 需要留意的地方

  • 运行需要输入图像与对应的 trimap
  • 运行前要选定预训练模型权重

常见问题

基础模型是什么?

资料说明是预训练的纯视觉变换器。

点名了哪些基准?

资料列出 Composition-1k 与 Distinctions-646 两个常用抠图基准。

最后评测: 2026-11-15

更多 AI 图像生成 工具

查看全部 →

评测方法