用 MultiMatte 抠图终于能通过文字指定要保留哪个物体了

只要在提示词里写上想保留的物体名称，MultiMatte 就能把该物体之外的所有背景（包括其他前景物体）全部删掉。它基于 SAM 3 改进，把二进制掩码换成了 Alpha Matte 透明度通道，处理头发丝、动物毛发这种模糊边缘比纯掩码模型干净得多。

为什么不用传统的背景去除模型

以前用那种一键抠图工具，最头疼的是图片里有多个主体时它分不清谁是谁。比如照片里有个模特拿着个包，你只想留模特，结果包也被留下来了。MultiMatte 解决了这个问题，因为它支持 Promptable（可提示），你输入 "dog"，它就只留狗，把旁边的饭碗全部抠掉。

我在对比测试时发现，它在处理边缘细节上的提升很明显。看数据的话，在 DIS5K 这种专业数据集上，S-measure 从 SAM 3 的 0.674 提升到了 0.908，提升幅度大概 34.6%。这意味着在实际操作中，你不需要再手动用橡皮擦去修那些抠不干净的毛边。

怎么在本地跑起来

这个模型是开源的，官方提供了一个叫 nobg 的库，安装和调用逻辑比较简单。如果你想在自己的项目里集成，可以参考下面的步骤。

首先安装依赖库：

pip install nobg

然后通过以下 Python 代码调用模型进行抠图：

from nobg import MultiMatte

# 初始化模型
model = MultiMatte.from_pretrained("feyninc/multimatte")

# 加载图片并指定要保留的物体
# 比如图片里有猫和球，只想保留猫
image = model.load_image("path/to/your/image.jpg")
result = model.remove_background(image, prompt="cat")

# 保存结果，输出的是带透明通道的 PNG
result.save("output.png")

实际操作中的坑和注意事项

在试用过程中，有几点需要注意，否则很容易觉得效果不好：

• 提示词的精准度： 虽然它支持自然语言，但建议使用具体的名词。比如 "golden retriever" 比起 "dog" 识别率更高，尤其是在背景复杂的情况下。
• 显存占用： 它是基于 SAM 3 架构的，虽然抠图速度很快，但加载模型时还是需要一定的显存。如果是在低显存设备上跑，建议检查是否触发了 OOM。
• 对比判断： 如果你的图片只有单一主体，用普通的 rembg 这种轻量级工具就够了，速度更快。但只要涉及到“多物体选其一”的场景，MultiMatte 是目前最方便的选择，省去了手动画 Mask 的时间。

性能提升的具体细节

为了证明它比 SAM 3 强，官方给出了两个关键指标的对比（案例数据，仅供参考）：

• DIS5K 数据集： S-measure 从 0.674 → 0.908（提升 34.6%）。
• DUT-OMRON 数据集： 从 0.792 → 0.901（提升 13.7%）。

这种提升直接体现在对“半透明”区域的处理上。传统的二值化掩码（Binary Mask）要么是 0 要么是 1，导致边缘像锯齿；而 MultiMatte 采用的 Alpha Matte 给每个像素分配透明度值，所以处理运动模糊或者细碎的发丝时，过渡非常自然。