Vandamálið
Það sem mönnum virðist einfalt - að bera kennsl á "aðalviðfangsefni" myndar - er furðu flókið fyrir tölvur. Mynd er bara rist af lituðum pixlum. Það er ekkert innbyggt merki sem segir „þessi pixel er manneskjan“ og „þessi pixel er veggurinn fyrir aftan þá“.
Hefðbundnar aðferðir notuðu tækni eins og litaþröskuld (fjarlægðu alla pixla af ákveðnum lit) eða brúnagreiningu (finndu mörk milli hluta). Þetta virkaði fyrir einföld mál en mistókst með flóknum senum, svipuðum litum milli myndefnis og bakgrunns eða flókinna smáatriða.
Sláðu inn vélanám
Nútímaleg gervigreind bakgrunnsfjarlæging notar djúpt nám - sérstaklega myndskiptingarlíkön. Hér er einfaldaða útgáfan af því hvernig það virkar:
1. Þjálfun
Taugakerfi eru sýndar milljónir mynda þar sem viðfangsefnið hefur þegar verið auðkennt handvirkt (merkt). Með tímanum lærir líkanið mynstur: hvernig fólk lítur út, hvernig hlutir eru mótaðir, hvernig viðfangsefni eru frábrugðin bakgrunni. Það lærir að þekkja brúnir, áferð og samhengi.
2. Ályktun (með því að nota líkanið)
Þegar þú gefur þjálfaða líkaninu nýja mynd sem það hefur aldrei séð áður, greinir það pixlagögnin og framleiðir „grímu“ — kort sem gefur hverjum pixli líkur á að vera í forgrunni (viðfangsefni) eða bakgrunni. Mjög traustir forgrunnspixlar eru geymdir; bakgrunnspixlar með mikilli öryggi eru fjarlægðir.
3. Kantmeðferð
Skiptingin milli forgrunns og bakgrunns skiptir sköpum. Nútíma gerðir mynda mjúkar brúnir (að hluta gagnsæi) frekar en harða tvöfalda skurð. Þetta skapar náttúrulega útlit, sérstaklega í kringum flóknar brúnir.
Hvers vegna GPUs skipta máli
Taugakerfi vinna myndir í gegnum þúsundir stærðfræðilegra aðgerða samtímis. GPU (Graphics Processing Units) eru hannaðar fyrir nákvæmlega þessa tegund af samhliða útreikningum. Verk sem gæti tekið 30 sekúndur á örgjörva getur klárað á 2-3 sekúndum á GPU.
Þess vegna styðja verkfæri eins og QuickRemove GPU hröðun frá NVIDIA, AMD og Intel GPU. AI líkanið keyrir beint á GPU þinn fyrir hraða vinnslu. Ef enginn samhæfur GPU er tiltækur, fer hugbúnaðurinn aftur í CPU-vinnslu - hann virkar enn, tekur bara lengri tíma.
Hvað gervigreind er góð í
- Fólk og andlitsmyndir — þetta er algengasta notkunartilvikið og módel eru vel þjálfuð í því
- Dýr og gæludýr — módel höndla skinn og dýraform vel
- Vörur og hlutir — vel skilgreindir hlutir með skýr mörk
- Ökutæki - bílar, hjól og áþekkir hlutir
- Flókinn bakgrunnur — gervigreind getur aðskilið viðfangsefni frá uppteknum, nákvæmum bakgrunni
Áskoranir fyrir gervigreind
- Gagnsæir hlutir - gler, vatn og önnur gegnsæ efni eru erfið (QuickRemove felur í sér sérstaka meðhöndlun fyrir þetta)
- Litalíkindi — þegar myndefni og bakgrunnur eru mjög líkir að lit er erfiðara að greina mörk
- Mjög flókið atriði — mörg myndefni sem skarast eða óljós forgrunnur/bakgrunnur
Eftirvinnsla
Eftir að gervigreind býr til upphafsgrímuna, fínpússar eftirvinnsla niðurstöðuna. Verkfæri eins og QuickRemove bjóða upp á:
- Kantfjöður — mýkir skiptinguna milli myndefnis og bakgrunns
- Sléttun — dregur úr skörpum brúnum
- Litahreinsun — fjarlægir litavali þar sem upprunalegi bakgrunnsliturinn blæs á brúnir myndefnisins
- Handvirkur bursti/strokleður — fyrir fínar leiðréttingar sem gervigreind gæti misst af
The Bottom Line
Fjarlæging gervigreindar bakgrunns hefur náð þeim áfanga að það skilar árangri í faglegum gæðum á nokkrum sekúndum. Þó að það sé ekki fullkomið í öllum atburðarásum, þá meðhöndlar það langflest algeng notkunartilvik með glæsilegri nákvæmni - sem gerir bakgrunnsfjarlægingu aðgengilega öllum, ekki bara Photoshop sérfræðingum.