MatAnyone 提出一种基于记忆传播的视频抠像方法，旨在解决复杂背景和多目标干扰下的抠像难题。该方法通过首帧指定目标，实现稳定、高质量的目标提取。核心在于「区域自适应记忆融合」，细致捕捉毛发等细节。同时，构建了更大规模的训练数据集 VM800 和更真实的评测基准 YouTubeMatte。此外，利用真实分割数据进行核心区域监督的训练策略，提升模型泛化能力。该技术在电影、短视频制作和实时视频通讯中具有广泛的应用价值。

🧑‍🔬MatAnyone 是一种基于记忆传播的「目标指定型」视频抠像方法，用户只需在第一帧通过人物遮罩指定抠像目标，即可在整个视频中实现稳定、高质量的目标提取。

🧠该方法的核心是「区域自适应记忆融合」，智能调节记忆信息在不同区域的传播程度，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。

📊为了提升模型性能，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。

💡为了克服现有视频抠像数据不足的问题，研究团队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。