Wat in knipmodel op it apparaat sjocht
In op-apparaat cutout model sjocht gjin persoan, skuon, húsdier, of stoel yn 'e minsklike sin. It ûntfangt in numerike werjefte fan 'e ôfbylding en skatten, piksel foar piksel, hokker gebieten wierskynlik ta it haadûnderwerp hearre. De nuttige útfier dêrfan is in masker: in griisskalekaart dy’t it transparânsjekanaal fan it resultaat kin wurde.
Dat ûnderskied ferklearret sawol de snelheid fan automatyske cutouts en harren grinzen. It model kin fisuele patroanen brûke dy’t leard binne tidens training, mar it wit jo bedoeling net. In skerp foarwerp tichtby it sintrum kin sjen wichtich; in swakke glêzen râne of losse strân hier kin lykje op eftergrûn.
Fan ôfbyldingsbestân nei modelynfier
It bestân dat jo earst kieze moat wurde dekodearre. In komprimearre foto wurdt net direkt yn it model trochjûn as in blok fan triembytes. De browser feroaret it yn piksels mei breedte, hichte en kleurwearden.
De konklúzjepipeline taret dan in ynput op modelgrutte ta. Ofhinklik fan it model en runtime kin tarieding omfetsje:
- de grutte fan 'e dekodearre ôfbylding feroarje nei de dimensjes dy’t it model ferwachtet;
- arranzjemint fan reade, griene en blauwe wearden as numerike kanalen;
- skaalfergrutting of normalisearjen fan dy wearden;
- se ynpakke yn in tensor, it array-formaat dat wurdt brûkt troch de ynferzje-runtime.
De krekte ôfmjittings en normalisaasjeregels hearre ta de ymplemintaasje fan it model. It wichtige praktyske punt is dat konklúzje meastentiids wurket fan in tariede foarstelling, net fan elke boarnepiksel op syn oarspronklike grutte.
Easy Background Remover rint dizze konklúzjestap yn 'e browser mei in segmentaasjemodel op it apparaat. It modelbestân moat miskien ynladen wurde foardat de earste útsnijing is, mar it paad foar ôfbyldingsferwurking is ûntworpen om lokaal te bliuwen as it model klear is. It model download is in asset fersyk; it is net itselde as it uploaden fan de selektearre foto foar konklúzje op ôfstân.
De útfier is in fertrouwen-like masker
Foar elke lokaasje yn syn útfier produsearret it model in wearde dy’t kin wurde ynterpretearre as mear ûnderwerp-like of mear eftergrûn-like. It is handich om dit ôf te meitsjen as in griisskaleôfbylding:
- wyt betsjut hâld dit gebiet;
- swart betsjut fuortsmite dit gebiet;
- griis betsjut foar in part dekking of ûnwissichheid tichtby in râne.
De browser konvertearret dy útfier yn it wurkjende alfamasker. De orizjinele kleurpiksels kinne dan gearstald wurde oer in damboerd, in solide filling, in gradient, of in oare ôfbylding. In transparante eksport bewarret it masker as alfa ynstee fan it damboerd yn 'e triem te skilderjen.
De sêfte wearden saak. As elke maskerwearde fuortdaliks twongen wurde om suver swart of wyt te wurden, soene hier, bont, stoffezels, bewegingswazige en defocused rânen ûnnatuerlik hurd wurde. Diellike alfa kin in soepeler oergong behâlde. It kin ek bleatstelle kleur franje út de âlde eftergrûn, dat is wêrom it resultaat noch fertsjinnet in fisuele kontrôle.
Wat fisueel bewiis helpt it model
In segmentaasjemodel kin op mear dan ien oanwizing tagelyk tekenje. Sterke oanwizings binne faaks:
- kontrast tusken ûnderwerp en eftergrûn;
- trochgeande grinzen om in dominant foarwerp;
- bekende kombinaasjes fan foarm, tekstuer en posysje;
- djipteoanwizings lykas fokusferskillen;
- regio’s dy’t visueel byinoar hearre.
Gjin fan dizze oanwizings is in garânsje. In donkere jas tsjin in donkere muorre biedt swak grinskontrast. In stoel mei smelle gatten kin eftergrûnregio’s befetsje dy’t op it objekt lykje. In patroon eftergrûn kin konkurrearje mei it eigentlike ûnderwerp foar oandacht.
It model makket in bêste skatting út de beskikbere piksels. It kin gjin detail weromhelje dat de ôfbylding nea fêstlein is.
Wat it model net wit
It model wit net automatysk hokker objekt jo bedoelde te hâlden as ferskate ûnderwerpen oanwêzich binne. It wit net dat in trochsichtich drinkglês kommersjeel wichtich is, dat in skaad bliuwe moat foar realisme, of dat in lyts riemke by in tas heart.
It ûntfangt ek gjin ferburgen ferzje mei hege resolúsje fan in wazige boarne. Kompresjeblokken, ôfknipte hichtepunten, bewegingswazige en heul lytse details beheine it beskikbere bewiis. It fergrutsjen fan de foarbyldzoom makket piksels grutter op it skerm; it makket gjin ûntbrekkende ynformaasje.
Dit is wêrom “AI ûntdutsen it” en “de râne is klear om te publisearjen” binne ferskillende oanspraken. Deteksje begjint de bewurking. Resinsje makket it ôf.
Wêrom tinne en transparante details lestich binne
Tinne objekten besette pear piksels. As in ôfbylding wurdt feroare foar konklúzje, kin in ien-piksel tried of hier strand wurde gemiddeld mei de eftergrûn der omhinne. Transparante objekten binne lestich om in oare reden: har sichtbere kleur is foar in part de âlde eftergrûn. De grins kin dúdlik wêze foar in persoan dy’t it objekt begrypt, wylst it pikselpatroan dûbelsinnich bliuwt.
Sêfte skaden meitsje in opsetlike dûbelsinnigens. Harren bûtenrâne ferdwynt stadichoan, en der is gjin inkeld objektyf korrekte cutoff. It folsleine skaad hâlde kin natuerlik útsjen op in ferlykbere eftergrûn, mar smoarch op in ljochte nije filling. It fuortsmiten kin meitsje dat it ûnderwerp liket te driuwen.
Dit binne oardielproblemen likefolle as modelproblemen.
Modelmasker, wurkmasker en eksportmasker
It helpt om trije stadia te skieden:
- ** Model masker: ** de automatyske skatting werom troch inference.
- ** Working masker: ** it masker werjûn yn de bewurker nei eltse Add of wiskje ferfining.
- ** Eksportearje masker: ** it wurk masker tapast as de hjoeddeiske resultaat wurdt ynladen of kopiearre.
Yn Easy Background Remover bewurket borstelferfining it wurkmasker. Eksportearje brûkt it aktuele bewurke resultaat ynstee fan stilwei werom te gean nei it ûnoantaaste automatyske masker. Dit lit it model de brede skieding behannelje, wylst jo details korrigearje dy’t ôfhinklik binne fan yntinsje.
It werjûn foarbyld kin wurde skalearre om te passen by de bewurker. Dy werjeftegrutte is gjin betroubere mjitte fan it ynterne detail fan it masker. Lês Maskeresolúsje tsjin foarbyldgrutte foar de ûnderskieding.
Lokale konklúzje hat noch in opsetstap
It útfieren fan in model op it apparaat fereasket de modelgewichten en in kompatibele browserruntime. De gewichten binne folle grutter dan gewoane ynterfacekoade, dus it laden fan alles op elke lansearring fan bewurker soe fergriemd wêze. In earste sesje kin it model downloade en cache; lettere gewoane sesjes kinne it meastentiids opnij brûke.
Wêrom earst run downloads in model ferklearret dy grins sûnder betiizjend in model asset download mei in foto upload. Swiere konklúzje rint ek fuort út 'e wichtichste ynterface tried; sjoch Web Worker-ôfbyldingsferwurkingsbasis.
In praktyske manier om it resultaat te beoardieljen
Ynspektearje net allinich it sintrum fan it ûnderwerp. Kontrolearje it masker wêr’t bewiis it swakste is:
- hier, bont, snorharen en stoffezels;
- glêzen, riemen, triedden en smelle gatten;
- rânen mei leech kontrast;
- semi-transparant materiaal;
- kontakt skaden;
- hoeken wêr’t de âlde eftergrûnkleur bliuwe kin.
Besjoch it resultaat oer sawol in ljochte as donkere eftergrûn as de definitive bestimming ûnbekend is. In bleke halo kin ferdwine op wyt en dúdlik wurde op swart. Ferfine dan allinich de gebieten dy’t ynfloed hawwe op it bedoelde gebrûk.
Automatyske segmintaasje is it meast nuttich as it wurdt behannele as in sterke earste pas, net in ferklearring fan perfekt begryp. Om de folsleine lokale knip- en ferfiningsstream te besykjen, sjoch Begjinne.