MatAnyone 提出一种创新的视频抠像方法，通过记忆传播实现指定目标的稳定提取。该技术在复杂背景和多目标干扰下表现出色，只需在首帧指定目标，即可在整个视频中实现高质量抠像。MatAnyone 采用区域自适应记忆融合，智能调节记忆信息传播，确保主体语义稳定，并捕捉精细边界细节。此外，团队构建了大规模训练数据集 VM800 和评测基准 YouTubeMatte，并创新性地利用真实分割数据进行核心区域监督，显著提升了模型泛化能力。

💡 MatAnyone 是一种基于记忆传播的目标指定型视频抠像方法。用户只需在视频第一帧指定抠像目标，即可在整个视频中实现稳定、高质量的目标提取，适用于电影、短视频制作和实时视频通讯等领域。

🧠 MatAnyone 采用区域自适应记忆融合技术。该技术智能调节记忆信息在不同区域（核心和边缘）的传播程度，既确保人物主体在复杂环境中的语义稳定性，又细致捕捉到毛发等精细边界细节。

📊 研究团队构建了更大规模、更高质量的训练数据集 VM800，以及更加贴近真实分布的评测基准 YouTubeMatte。同时，为克服现有视频抠像数据不足的问题，创新性地提出了利用真实分割数据进行核心区域监督的训练策略，显著提升了模型在真实场景中的泛化能力。