Este artículo presenta un nuevo reto: la descomposición por capas de imágenes alfa-compuestas. Observamos que los métodos existentes de descomposición de imágenes tienen dificultades para abordar los artefactos de oclusión en capas semitransparentes o transparentes, y abordamos retos como las dependencias previas de máscara, las suposiciones de objetos estáticos y la insuficiencia de datos. Para lograrlo, presentamos AlphaBlend, un conjunto de datos a gran escala y de alta calidad para la descomposición de capas transparentes y semitransparentes, y presentamos DiffDecompose, un marco basado en transformadores de difusión. DiffDecompose aprende probabilidades posteriores para posibles descomposiciones de capas condicionadas a la imagen de entrada, las indicaciones semánticas y los tipos de fusión. En lugar de realizar una regresión directa de los mates alfa, realizamos una descomposición en contexto para predecir una o más capas sin supervisión específica de cada una, e introducimos la clonación de codificación de posición de capa para preservar las correspondencias a nivel de píxel entre capas. Validamos la eficacia de DiffDecompose mediante experimentos exhaustivos con el conjunto de datos AlphaBlend propuesto y el conjunto de datos LOGO, disponible públicamente.
