본 논문은 얼굴 필터의 성능 저하를 야기하는 폐색 문제(손, 머리카락, 액세서리 등이 얼굴을 가리는 경우)를 해결하기 위해 새로운 과제인 폐색 인식 얼굴 매팅(occlusion-aware face matting)을 제시합니다. 트리맵 없이 고품질 알파 매트를 예측하는 FaceMat이라는 불확실성 인식 프레임워크를 제안하며, 교사-학생 모델 학습 파이프라인을 통해 불확실성을 활용하여 폐색 영역에 집중함으로써 일반화 성능과 의미적 일관성을 향상시킵니다. 피부를 전경, 폐색을 배경으로 명확하게 처리하는 매팅 목적 함수를 새롭게 정의하고, 대규모 합성 데이터셋 CelebAMat을 제작하여 실험을 진행했습니다. 실험 결과, FaceMat은 기존 최첨단 방법들을 능가하는 성능을 보였습니다. 소스 코드와 CelebAMat 데이터셋은 공개되었습니다.
