본 논문은 알파 합성된 이미지의 계층별 분해라는 새로운 과제에 대해 다룹니다. 기존의 이미지 분해 방법들이 반투명 또는 투명 레이어의 가림 현상을 해결하는 데 어려움을 겪는다는 점을 지적하며, 마스크 사전 의존성, 정적인 객체 가정, 데이터 부족 등의 문제를 해결하고자 합니다. 이를 위해, 투명 및 반투명 레이어 분해를 위한 대규모 고품질 데이터셋인 AlphaBlend를 처음으로 소개합니다. AlphaBlend는 6가지 실제 세계 하위 작업(예: 반투명 플레어 제거, 반투명 세포 분해, 유리 제품 분해)을 지원합니다. 이 데이터셋을 기반으로, 입력 이미지, 의미론적 프롬프트 및 혼합 유형을 조건으로 가능한 레이어 분해에 대한 사후 확률을 학습하는 확산 Transformer 기반 프레임워크인 DiffDecompose를 제시합니다. DiffDecompose는 알파 매트를 직접 회귀하는 대신, In-Context Decomposition을 수행하여 레이어별 감독 없이 하나 또는 여러 레이어를 예측할 수 있도록 하며, 레이어 간 픽셀 수준 대응 관계를 유지하기 위해 Layer Position Encoding Cloning을 도입합니다. 제안된 AlphaBlend 데이터셋과 공개 LOGO 데이터셋에 대한 광범위한 실험을 통해 DiffDecompose의 효과를 검증합니다.
