モチーフ込の画像のみをエンコーダーに入力し、3種類のデコーダーで、アルファマスクのセグメント情報、背景画像、かぶさっているモチーフ画像の3種類を生成する。生成した背景画像とアルファマスク、入力画像を元に最終的な出力を生成する。

半透明なウォーターマークの除去で、既存のウォーターマーク除去手法を大きく上回る性能を示した。また、学習時より細めのフォント、太めのフォントの除去では、既存のブラインドのインペインティング手法を上回る性能を示した。