随着短视频创作、视频直播等新媒体应用的日益普及,基于抠图的视频内容编辑已经成为一种常用技术。然而,抠图质量影响着整个视频编辑的效率和感官,本文围绕视频抠图质量问题,就如何通过抠图技术提升抠图质量,实现高质量的视频前景目标提取开展了一系列研究。近年来已经涌现许多高性能的抠图方法和模型,但在视频抠图任务中仍存在以下局限:（1）现有图像抠图算法的性能严重依赖于三分图的质量,而高质量三分图绘制复杂耗时,因此阻碍了其在视频抠图任务中的实际应用。（2）现有视频抠图方法通过语义分割获取抠图的先验信息,但由于缺乏时间维度上的一致性约束,在复杂时变场景下对细节信息的语义特征提取并不准确,且无法感知用户意图。引入时空语义理解和少量用户交互可以更好地实现对掩膜的语义分割和时空传播,提升视频中特定前景目标的抠图精度。本文主要工作及贡献如下:针对图像抠图算法依赖三分图先验质量的问题,第三章提出了一种基于语义分割的交互式抠图算法,用于对视频帧的抠图。所提算法无需三分图,只需少量用户交互（如几次点击）所提供的先验信息,结合深度学习中的语义理解,实现抠图掩膜的定位与分割,并可通过少量交互操作实现对掩膜的修正,最后结合基于掩膜的抠图模块,从而获得更加精确的抠图结果。对比实验表明所提算法不仅提升了抠图效率,且精度与当前最好的三分图抠图算法接近。针对现有视频抠图缺少时间维度的一致性约束的问题,第四章在第三章视频帧抠图的基础上,提出一种基于时空语义的抠图掩膜传播方法。通过时空记忆模块和掩膜融合模块,对关键帧掩膜在向相邻帧进行时域传播过程中可能出现的冲突特征进行融合,实现掩膜在邻近帧间传播的时空一致性,以保证视频抠图的结果满足时空一致性约束。