DiffusionMat是一種新穎的圖像摳圖框架，採用擴散模型從粗糙到精細的阿爾法摳圖過程。與傳統方法不同，我們的方法將圖像摳圖視為一個逐步改進的學習過程，從對修剪地圖的添加噪聲開始，通過預訓練的擴散模型迭代去噪，逐步引導預測向乾淨的阿爾法摳圖。我們的框架的關鍵創新是一個校正模塊，它在每個去噪步驟中調整輸出，確保最終結果與輸入圖像的結構一致。我們還引入了Alpha可靠性傳播，這是一種新穎的技術，旨在通過選擇性地增強具有自信的阿爾法信息的修剪地圖區域來最大化可用指導的效用，從而簡化校正任務。為了訓練校正模塊，我們設計了專門的損失函數，以針對阿爾法摳圖邊緣的準確性和其不透明和透明區域的一致性。我們在幾個圖像摳圖基準上評估了我們的模型，結果表明DiffusionMat始終優於現有方法。