Com funciona l’eliminació de fons local
Aquesta és la versió del diagrama del bany: prou per confiar en la canonada, no en un paper.
1. L’entrada es converteix en píxels
Proporcioneu un fitxer o un mapa de bits (deixa anar, selector, enganxar o capturar pàgines). L’editor el descodifica en un mapa de bits d’imatge. Formats com HEIC necessiten un pas de descodificació addicional; la fallada s’atura aviat amb un error en lloc d’un llenç en blanc.
2. Preparació del model
La inferència utilitza un model de segmentació al dispositiu (classe ISNet ONNX) que s’executa amb un treballador web i un temps d’execució ONNX del navegador. Si els pesos encara no s’han guardat a la memòria cau, veuràs un esquitxat de descàrrega. L’emmagatzematge a la memòria cau evita repetir aquest cop cada vegada.
3. Segmentació → màscara
El treballador retorna una màscara alfa (què és subjecte vs fons). La interfície d’usuari combina el tema sobre un tauler d’escacs o sobre un fons que trieu (color, degradat, imatge).
4. Refinament humà
Afegeix/Esborra pinzells editen la màscara de treball al llenç de la CPU. La suavitat canvia la força amb què aterra el traç. L’exportació utilitza la màscara que veieu, no una instantània només automàtica oblidada.
5. Història i exportació
Un breu historial d’IndexedDB pot emmagatzemar parells originals/resultats recents. Baixeu i copieu emet PNG amb la transparència o ompliu actual.
Notes de rendiment que notareu
- Primera execució: cost de xarxa + init per al model.
- Imatges enormes: es poden processar amb una resolució interna reduïda amb un avís; l’exportació encara apunta a mida completa.
- El fil de la interfície d’usuari es pot utilitzar perquè hi ha una gran inferència en un treballador; si el treballador es bloqueja, obteniu un error de treballador, no una pestanya congelada per sempre.
Les implicacions de privadesa de “local” es cobreixen a Privadesa. Clics del dia a dia: Comença.