(1) 前景と背景を分離するため、ツーブランチのセグメンテーションネットワークを採用。それぞれのブランチで前景の確率と背景の確率を別々に予測する。 (2) 二つのブランチで予測した前景の確率（または1－背景の確率）を重みづけして足し合わせることで最終的な前景のセグメンテーションを得るが、その重みを学習により求める。これにより、前景と背景の境界領域でセグメンテーションの精度を高める。

人物mattingにおいては比較手法を上回る高精度のmattingを得た。より難易度の高いComposition-1Kベンチマークでは、人手で作成したtrimapを用いる既存手法1つにわずかに及ばないが、それに匹敵する性能。

ツーブランチにすることで境界領域の精度を高める仕組みが巧妙。