VideoMaMa++ NeurIPS 2026, KAIST. Модель делает альфа-мат из маски и видео, включая волосы и тонкие края Предыдущая версия • Диффузионный бэкбон тянет только 6-24 кадра, поэтому видео режется на чанки • Каждый чанк уточняет маску сам по себе, на стыках скачут края и прозрачность Как решают • RGB и маска идут отдельными потоками токенов, сводит их полное пространственно-временное внимание • Две обучаемые метки на кадр: preserve держит готовый мат как образец, refine превращает грубую маску в точную • Скользящее окно передает мат из прошлого чанка в следующий, глобальный якорь не дает ошибке накапливаться • Дообучения под длинные ролики не нужно • Лучший результат по всем метрикам на трех бенчмарках github.com/cvlab-kaist/VideoMaMa-PlusPlus - ждем #segmentation #mask2matte #video2matte MAX