请先登录
立即登录
Reveal-Layer
突破传统全图盲拆的限制，Reveal-Layer 开创了“按需提取”的智能分层模式。只需指定目标边界（Bounding Box坐标或直观框选），即可将原图像中的特定对象精准剥离为独立的 RGBA 图层。赋予用户与开发者“指哪分哪”的绝对控制力，实现真正可控的 PS 级拆图自由。
遮挡感知图层分解框架：RevealLayer 面向真实自然场景统一建模前景分离、背景恢复与遮挡补全，将单张 RGB 图像直接拆解为多个可独立编辑的 RGBA 图层。
区域感知与遮挡增强机制：模型引入 Region-Aware Attention 与 Occlusion-Guided Adapter，使不同图层聚焦各自区域，并利用上下文推理被遮挡内容。
BBox 驱动的可控图层分解：用户只需提供目标框即可灵活指定拆分区域，模型自动完成前景提取、背景恢复与遮挡补全。
服务链路：官网体验区在图片加载完成后调用 object_detect 生成初始画框，再通过 submit_task / query_task 完成图层分解并记录实际 usage token 用于扣费。
图层分解可控性：RevealLayer 能够通过简单 bbox 条件稳定分解指定目标，输出背景层与多个独立前景 RGBA 图层，并准确恢复复杂遮挡区域。
综合生成与恢复性能：模型在背景恢复与前景 Matting 任务上能有效减少目标残影和结构伪影，并保持复杂边缘、透明区域和细粒度结构。
图层分解可控性
在复杂多目标布局下评估背景恢复、前景分离和图层可编辑性。
综合生成与恢复性能
覆盖背景重建、目标移除与前景 Matting 等核心图层任务。
语义图层分离：AI 自动识别主体、背景及元素，让每个图层都具有明确语义含义。
智能内容补全：分离前景后自动补全被遮挡背景，保证独立图层内容完整自然。
自定义拆分图层：用户通过增加和删除画框控制拆分目标，实现精准编辑。
RGBA透明输出：分离图层包含完整 Alpha 通道，方便叠加、复用和二次设计。