Wat 'n uitsnymodel op die toestel sien
'n Uitsnymodel op die toestel sien nie 'n persoon, skoen, troeteldier of stoel in die menslike sin nie. Dit ontvang 'n numeriese voorstelling van die beeld en skat, pixel vir pixel, watter areas waarskynlik tot die hoofonderwerp behoort. Die nuttige uitset daarvan is 'n masker: 'n grysskaalkaart wat die deursigtigheidskanaal van die resultaat kan word.
Daardie onderskeid verduidelik beide die spoed van outomatiese uitsny en hul limiete. Die model kan visuele patrone gebruik wat tydens opleiding aangeleer is, maar dit ken nie jou bedoeling nie. ’n Skerp voorwerp naby die middel kan dalk belangrik lyk; 'n dowwe glasrand of los hare kan soos agtergrond lyk.
Van beeldlêer tot modelinvoer
Die lêer wat jy eerste kies, moet gedekodeer word. 'n Saamgeperste foto word nie direk in die model as 'n blok lêergrepe deurgegee nie. Die blaaier verander dit in pixels met breedte-, hoogte- en kleurwaardes.
Die afleidingspyplyn berei dan 'n modelgrootte inset voor. Afhangende van die model en looptyd, kan voorbereiding die volgende insluit:
- die grootte van die gedekodeerde beeld verander na die afmetings wat die model verwag;
- rangskik rooi, groen en blou waardes as numeriese kanale;
- skaal of normalisering van daardie waardes;
- Verpak hulle in 'n tensor, die skikkingsformaat wat deur die afleidingslooptyd gebruik word.
Die presiese afmetings en normaliseringsreëls behoort aan die modelimplementering. Die belangrike praktiese punt is dat afleiding gewoonlik werk vanaf 'n voorbereide voorstelling, nie van elke bronpixel op sy oorspronklike grootte nie.
Easy Background Remover voer hierdie afleidingstap in die blaaier uit met 'n segmentasiemodel op die toestel. Die modellêer moet dalk voor die eerste uitsny afgelaai word, maar die beeldverwerkingspad is ontwerp om plaaslik te bly sodra die model gereed is. Die model aflaai is 'n bate versoek; dit is nie dieselfde ding as om die geselekteerde foto op te laai vir afstandafleiding nie.
Die uitset is 'n selfvertroue-agtige masker
Vir elke ligging in sy uitset lewer die model 'n waarde wat geïnterpreteer kan word as meer onderwerpagtig of meer agtergrondagtig. Dit is nuttig om dit as 'n grysskaalbeeld voor te stel:
- wit beteken hou hierdie area;
- swart beteken verwyder hierdie area;
- grys beteken gedeeltelike dekking of onsekerheid naby 'n rand.
Die blaaier skakel daardie uitset om in die werkende alfamasker. Die oorspronklike kleurpiksels kan dan saamgestel word oor 'n skaakbord, 'n soliede vulling, 'n gradiënt of 'n ander prent. 'n Deursigtige uitvoer stoor die masker as alfa eerder as om die tjekbord in die lêer te verf.
Die sagte waardes maak saak. As elke maskerwaarde onmiddellik na suiwer swart of wit gedwing word, sou hare, pels, stofvesels, bewegingsvervaging en onscherpe rande onnatuurlik hard word. Gedeeltelike alfa kan 'n gladder oorgang bewaar. Dit kan ook kleurrand van die ou agtergrond blootlê, en daarom verdien die resultaat steeds 'n visuele kontrole.
Watter visuele bewyse help die model
'n Segmenteringsmodel kan op meer as een leidraad gelyktydig gebruik. Sterk leidrade sluit dikwels in:
- kontras tussen onderwerp en agtergrond;
- aaneenlopende grense rondom 'n dominante voorwerp;
- bekende kombinasies van vorm, tekstuur en posisie;
- diepte-aanwysings soos fokusverskille;
- streke wat visueel bymekaar hoort.
Nie een van hierdie leidrade is 'n waarborg nie. 'n Donker baadjie teen 'n donker muur bied swak grenskontras. 'n Stoel met nou gapings kan agtergrondstreke bevat wat soos die voorwerp lyk. ’n Patroon-agtergrond kan met die werklike onderwerp om aandag meeding.
Die model maak 'n beste skatting uit die beskikbare pixels. Dit kan nie detail herwin wat die beeld nooit vasgelê het nie.
Wat die model nie weet nie
Die model weet nie outomaties watter voorwerp jy bedoel het om te hou wanneer verskeie vakke teenwoordig is nie. Dit weet nie dat 'n deursigtige drinkglas kommersieel belangrik is, dat 'n skaduwee moet bly vir realisme, of dat 'n klein bandjie aan 'n sak behoort nie.
Dit ontvang ook nie 'n versteekte hoë-resolusie weergawe van 'n vae bron nie. Kompressieblokke, geknipte hoogtepunte, bewegingsvervaging en baie klein besonderhede beperk die beskikbare bewyse. Die verhoging van die voorskouzoom maak pixels groter op die skerm; dit skep nie ontbrekende inligting nie.
Dit is hoekom “KI dit opgespoor het” en “die rand is gereed om te publiseer” verskillende aansprake is. Bespeuring begin die wysiging. Hersiening voltooi dit.
Waarom dun en deursigtige besonderhede moeilik is
Dun voorwerpe beslaan min pixels. Wanneer die grootte van 'n prent vir afleiding verander word, kan 'n een-pixel draad of haarstring gemiddeld word met die agtergrond rondom dit. Deursigtige voorwerpe is moeilik om 'n ander rede: hul sigbare kleur is deels die ou agtergrond. Die grens kan duidelik wees vir 'n persoon wat die voorwerp verstaan, terwyl die pixelpatroon dubbelsinnig bly.
Sagte skaduwees skep 'n opsetlike dubbelsinnigheid. Hul buitenste rand vervaag geleidelik, en daar is geen enkele objektief korrekte afsnypunt nie. Om die volle skaduwee te hou, kan natuurlik lyk op 'n soortgelyke agtergrond, maar vuil op 'n helder nuwe vul. As u dit verwyder, kan dit lyk asof die onderwerp sweef.
Dit is oordeelsprobleme net soveel as modelprobleme.
Modelmasker, werkmasker en uitvoermasker
Dit help om drie fases te skei:
- Modelmasker: die outomatiese skatting wat deur afleiding teruggegee word.
- Werkmasker: die masker wat in die redigeerder gewys word na enige Voeg by of Vee verfyning uit.
- Voer masker uit: die werkende masker wat toegepas word wanneer die huidige resultaat afgelaai of gekopieer word.
In Easy Background Remover wysig kwasverfyning die werkende masker. Uitvoer gebruik die huidige geredigeerde resultaat eerder as om stilweg terug te keer na die onaangeraakte outomatiese masker. Dit laat die model die breë skeiding hanteer terwyl jy besonderhede regstel wat afhang van voorneme.
Die vertoonde voorskou kan geskaal word om by die redigeerder te pas. Daardie vertoongrootte is nie 'n betroubare maatstaf van die masker se interne detail nie. Lees Masker-resolusie teenoor voorskougrootte vir die onderskeiding.
Plaaslike afleiding het steeds 'n opstelstap
Om 'n model op die toestel te laat loop, vereis die modelgewigte en 'n versoenbare blaaierlooptyd. Die gewigte is baie groter as gewone koppelvlakkode, so dit sal verkwistend wees om alles op elke redigeerderbekendstelling te laai. 'n Eerste sessie kan die model aflaai en kas; later gewone sessies kan dit gewoonlik hergebruik.
Waarom eers 'n model aflaai verduidelik daardie grens sonder om 'n modelbate-aflaai met 'n foto-oplaai te verwar. Swaar afleiding loop ook weg van die hoofkoppelvlakdraad; sien Web Worker-beeldverwerking basiese beginsels.
'n Praktiese manier om die resultaat te beoordeel
Moenie net die middel van die onderwerp inspekteer nie. Kontroleer die masker waar bewyse die swakste is:
- hare, pels, snorbaarde en stofvesels;
- glase, bande, drade, en smal gapings;
- lae-kontras rande;
- semi-deursigtige materiaal;
- kontak skaduwees;
- hoeke waar die ou agtergrondkleur kan bly.
Bekyk die resultaat oor beide 'n ligte en donker agtergrond as die eindbestemming onbekend is. ’n Ligte stralekrans kan op wit verdwyn en op swart sigbaar word. Verfyn dan slegs die areas wat die beoogde gebruik beïnvloed.
Outomatiese segmentering is die nuttigste wanneer dit as 'n sterk eerste slaag beskou word, nie 'n verklaring van perfekte begrip nie. Sien Begin om die volle plaaslike uitsny en verfyningsvloei te probeer.