DiffusionMat是一种新颖的图像抠图框架，采用扩散模型从粗糙到精细的阿尔法抠图过程。与传统方法不同，我们的方法将图像抠图视为一个逐步改进的学习过程，从对修剪地图的添加噪声开始，通过预训练的扩散模型迭代去噪，逐步引导预测向干净的阿尔法抠图。我们的框架的关键创新是一个校正模块，它在每个去噪步骤中调整输出，确保最终结果与输入图像的结构一致。我们还引入了Alpha可靠性传播，这是一种新颖的技术，旨在通过选择性地增强具有自信的阿尔法信息的修剪地图区域来最大化可用指导的效用，从而简化校正任务。为了训练校正模块，我们设计了专门的损失函数，以针对阿尔法抠图边缘的准确性和其不透明和透明区域的一致性。我们在几个图像抠图基准上评估了我们的模型，结果表明DiffusionMat始终优于现有方法。