Aktuelle Ansätze zur dichotomen Bildsegmentierung (DIS) behandeln Bildmatting und Objektsegmentierung als grundlegend unterschiedliche Aufgaben. Da Verbesserungen bei der Bildsegmentierung zunehmend schwieriger zu erzielen sind, bieten die Kombination von Bildmatting- und Graustufen-Segmentierungstechniken vielversprechende neue Richtungen für architektonische Innovationen. Inspiriert durch die Möglichkeit, diese beiden Modellaufgaben zu vereinen, schlagen wir einen neuen architektonischen Ansatz für DIS vor, den wir Konfidenzgesteuertes Matting (CGM) nennen. Wir haben das erste CGM-Modell entwickelt, das Background Erase Network (BEN) heißt. BEN besteht aus zwei Komponenten: BEN Base für die anfängliche Segmentierung und BEN Refiner für die Verfeinerung der Konfidenz. Unser Ansatz erreicht erhebliche Verbesserungen im Vergleich zu aktuellen Stand-of-the-Art-Methoden auf dem DIS5K-Validierungsdatensatz, was zeigt, dass mattingbasierte Verfeinerung die Segmentierungsqualität erheblich verbessern kann. Diese Arbeit öffnet neue Möglichkeiten für den Austausch zwischen Matting- und Segmentierungstechniken in der Computer Vision.