移动端直播实时抠像算法推荐

最近准备搞移动端实时抠像算法，用在会议或者直播中。 调研了几个模型：

1. 百度的 PP-HumanSeg ，22 年的模型，感觉效果一般，推理速度也不是很快
2. mnnkit 里面的人像分割，效果也一般，速度倒是挺快，而且模型也没有开源，也没法直接用
3. RobustVideoMatting ，字节出的一个模型，速度在移动端上还是比较慢

大家有做过类似的抠像吗，在移动端上，有什么好的模型结构可以使用吗，既要兼顾效果，又要兼顾推理速度，太难了。