本論文は、顔フィルタの性能低下を引き起こす閉塞問題（手、髪、アクセサリーなどが顔を覆う場合）を解決するために、閉塞要素と顔領域を分離する高解像度アルファマットを推定する新たな課題である顔マットを提案する。このために、トライマップなしで不確実性を考慮するフェイスマッティングフレームワークであるFaceMatを提示します。 FaceMatは、教師 - 学生モデル学習パイプラインを使用して、教師モデルがアルファマットとピクセルごとの不確実性を一緒に予測し、この不確実性情報を使用して学生モデルを空間的に適応的に導く方法で学習されます。従来の方法とは異なり、補助入力（トライマップまたは分割マスク）なしで動作し、肌を前景、閉塞を背景に明確に区別して合成戦略を改善する。また、大規模な合成データセットCelebAMatを新たに構築して実験を進め、様々なベンチマークで既存の最先端の方法を凌駕する性能を示した。ソースコードとCelebAMatデータセットは公開されています。
