根据我在您的参考资料中读到的内容，我会说

这个解决方案的关键部分是计算掩码的模型，如果你有一个很好的起点的话。

第二个重要的特点是它使用了位置相关的过滤器，过滤器是用掩码值的长度参数化的。用他们的话来说，避免前景在前景中流血。他们不知道到底是怎么回事，但我会说从掩码中的参数，对于前景来说很大，而对于背景来说很小。$r_{i,j}$

可分离过滤器的可能实现是

$$v_{i,j} = \frac{ \sum_k f(k\cdot r_{i,j}) x_{i-k,j}}{\sum_k f(k\cdot r_{i,j})}$$

$$y_{i,j} = \frac{ \sum_k f(k\cdot r_{i,j}) v_{i,j-k}}{\sum_k f(k\cdot r_{i,j})}$$

你可以自由地使用标准化因子。

使用可分离滤镜意味着您对多分辨率图像使用两个 1D 滤镜而不是小型 2D 滤镜。这在内存方面可能会更好。它可以用图像的两个副本来实现，被写入，第二个等式更新图像。$x$$v$$x_{i,j}$

其他可能的优势，因为过滤器是为每个像素单独计算的。的可分离过滤器需要次评估，而 2D 过滤器将需要评估，并且在上面的实现中，由于水平和垂直过滤器是相同的，因此只需要次评估。$N \times M$$N + M$$M \times N$$N$

拥有依赖于蒙版的过滤器对于通过前景（人脸）的失真很小很重要。