AI抠图

定义

AI抠图指利用人工智能模型完成图像抠图(image matting)任务的技术。它的输出不是简单的二值掩膜，而是一张透明度图，图中每个像素的取值反映该处前景颜色的占比，取值在 0 到 1 之间。相比只判断像素属于前景还是背景的图像分割，抠图还要处理发丝、烟雾、玻璃这类前后景混色的区域。

在多数实现中，模型对输入图像预测一张前景透明度图，再据此与透明或纯色背景合成，得到可直接使用的抠图结果^[1]。

原理

抠图的数学基础是合成方程 $C=\alpha F+(1-\alpha)B$，其中 $C$ 为观测到的像素颜色，$F$ 为前景颜色，$B$ 为背景颜色，$\alpha$ 为前景透明度^[2]。该方程最早由 Porter 与 Duff 在 1984 年以数学模型的形式提出，被视为抠图问题的起点^[3]。

对一幅三通道彩色图像而言，每个像素的 $\alpha$ 与前景、背景颜色共 7 个未知量，而方程只有 3 个，属于严重欠定问题^[4]。传统做法是用用户指定的三分图(trimap)标出确定前景、确定背景和未知区域，把未知量的求解限制在过渡区域，使问题变得可解^[5]。

深度学习方法通常把抠图构造为逐像素的回归问题：编码器提取语义特征，解码器输出 $\alpha$ 预测，再以 L1 损失、梯度损失和拉普拉斯金字塔损失等联合监督，使边缘细节更锐利^[6]。近年也出现把抠图视为生成式建模任务的做法，用扩散模型实现从粗糙到精细的透明度预测。

发展历程

早期的抠图依赖特定拍摄条件。蓝幕或绿幕抠图通过减少未知量数量求解，三角抠图则拍摄同一主体在两块不同背景前的图像来增加方程数量，二者简易但适用场景有限。此后出现的采样式方法如贝叶斯抠图，以及传播式方法如随机游走抠图、KNN 抠图和非局部抠图，把用户约束向前景与背景的过渡区域传播^[7]。

2017 年，Xu 等人提出深度图像抠图(Deep Image Matting)，把深度网络引入这一任务，被视为现代抠图方法的开端^[7]。此后研究者陆续引入注意力机制、Transformer 结构以及基于先验词元的设计，用于改善上下文建模和高频细节恢复。

为摆脱三分图的人工标注，一类免三分图方法逐渐成形，其思路是先做语义估计定位主体，再预测透明度^[8]。2022 年发表于 AAAI 的 MODNet 仅需单张 RGB 图像输入，在 1080Ti 显卡上可达每秒 67 帧，并配有自监督的子目标一致性策略以适应真实数据^[9]。这一方向的另一难点是精细标注难以获取，2025 年 AAAI 上有工作提出用粗糙三分图以及方向距离一致性损失训练模型，在没有精细透明度标签的情况下达到接近全监督基线的效果^[10]。

应用

在电子商务中，AI 抠图用于把商品主体从拍摄背景中分离，生成透明底图或白底图，再替换为不同场景，以提升广告图和营销海报的制作效率^[11]。这类服务通常以接口形式提供，按处理张数计费^[11]。

在人像和证件照处理中，抠像用于更换照片背景和合成肖像，相关研究提出了基于语义分割自动生成三分图、再配合保细节融合的流程^[12]。视频领域则用于虚拟背景、动作图形和合成软件中的图层准备^[13]。

在终端设备上，抠图能力也被封装为系统接口。微软 Windows 的 AI 影像接口提供前景提取功能，用于去除背景或制作贴纸，但需要带有神经处理单元的 Copilot+ PC 才能运行^[14]。开源工具方面，Python 的 rembg 与模型 U-2-Net、ISNet、BiRefNet 等可通过 ONNX Runtime 运行，首次使用时下载模型并缓存^[1]。

局限

抠图问题本身是欠定的，仅凭单张图像无法唯一确定前景颜色、背景颜色和透明度，因此结果依赖模型对图像的先验假设^[4]。当主体边缘区域与其相邻前景在颜色和纹理上接近时，三分图分割容易出错，错误的三分图会进一步导致透明度估计失败^[15]。

对发丝、网格结构等高频区域，模型仍可能出现边缘断裂或局部缺失；当背景与前景的纹理、颜色分布相近，尤其在低照度环境下，可利用的纹理信息减少，边缘可能出现粘连或透明度预测不稳定^[6]。

在具体产品的表现上，主体占比大、主体完整且数量明确的图片效果更好，而透明材质商品、主体不明确或拼图式图片的处理会出现偏差^[11]。此外，三分图依赖需要用户额外投入，结果质量与用户经验相关；免三分图方法则需要额外的语义估计步骤，且多阶段流程计算开销较大，难以用于交互式场景^[8]。

参见

• 图像分割 —— 抠图的邻近任务，区分像素属于前景还是背景，但不输出透明度。

• 三分图 —— 标出确定前景、确定背景和未知区域的辅助输入，传统抠图的核心约束。

• 深度图像抠图 —— 2017 年提出的方法，把深度网络引入抠图任务。

• MODNet —— 免三分图的实时人像抠图模型，2022 年发表于 AAAI。

• U-2-Net —— 常用于背景去除的开源分割模型之一。

• 图像合成 —— 抠图结果的主要下游用途，把前景与新背景叠加。