Проблема
То, что людям кажется простым — определение «главного предмета»; фотографии — удивительно сложно для компьютеров. Изображение — это просто сетка цветных пикселей. Нет никакого ярлыка, говорящего: «Этот пиксель — это человек». и «этот пиксель — стена за ними».
Традиционные подходы использовали такие методы, как определение цветового порога (удаление всех пикселей определенного цвета) или обнаружение краев (нахождение границ между объектами). Они работали в простых случаях, но не подходили для сложных сцен, схожих цветов объекта и фона или сложных деталей.
Введите машинное обучение
Современное удаление фона с помощью искусственного интеллекта использует глубокое обучение, в частности, модели сегментации изображений. Вот упрощенная версия того, как это работает:
1. Обучение
Нейронной сети показываются миллионы изображений, где предмет уже вручную идентифицирован (помечен). Со временем модель усваивает закономерности: как выглядят люди, как формируются объекты, чем предметы отличаются от фона. Он учится распознавать края, текстуры и контекст.
2. Вывод (с использованием модели)
Когда вы даете обученной модели новое изображение, которое она никогда раньше не видела, она анализирует данные пикселей и создает «маску» — карту, которая присваивает каждому пикселю вероятность быть передним планом (объектом) или фоном. Сохраняются пиксели переднего плана с высокой степенью достоверности; фоновые пиксели высокой достоверности удаляются.
3. Обработка кромок
Переход между передним планом и фоном имеет решающее значение. Современные модели создают мягкие края (частичную прозрачность), а не жесткие бинарные разрезы. Это создает естественные результаты, особенно вокруг сложных краев.
Почему графические процессоры имеют значение
Нейронные сети обрабатывают изображения, выполняя тысячи математических операций одновременно. Графические процессоры (графические процессоры) предназначены именно для такого рода параллельных вычислений. Задача, которая может занять 30 секунд на процессоре, может быть выполнена за 2–3 секунды на графическом процессоре.
Вот почему такие инструменты, как QuickRemove, поддерживают ускорение графических процессоров NVIDIA, AMD и Intel. Модель искусственного интеллекта работает непосредственно на вашем графическом процессоре для быстрой обработки. Если совместимого графического процессора нет, программное обеспечение возвращается к обработке ЦП — оно все равно работает, просто занимает больше времени.
В чем хорош ИИ
- Люди и портреты — это самый распространенный вариант использования, и модели хорошо ему обучены.
- Животные и домашние питомцы — модели хорошо справляются с мехом и формами животных.
- Продукты и объекты — четко определенные объекты с четкими границами.
- Транспортные средства — автомобили, велосипеды и подобные объекты.
- Сложный фон — ИИ может отделить предметы от насыщенного, детализированного фона.
Проблемы для ИИ
- Прозрачные предметы — стекло, вода и другие прозрачные материалы непросты (QuickRemove включает в себя специальную обработку для этого)
- Цветовое сходство — когда объект и фон очень похожи по цвету, границы труднее обнаружить.
- Чрезвычайно сложные сцены — несколько перекрывающихся объектов или неоднозначный передний/фоновый план.
Постобработка
После того как ИИ сгенерирует исходную маску, постобработка уточняет результат. Такие инструменты, как QuickRemove, предлагают:
- Растушевка краев — смягчение перехода между объектом и фоном.
- Сглаживание — уменьшение неровных краев.
- Обеззараживание цвета — удаление размытия цвета, когда исходный цвет фона вытекает на края объекта.
- Ручная кисть/ластик — для тонких исправлений ИИ может пропустить
Итог
Удаление фона с помощью ИИ достигло точки, когда оно дает результаты профессионального качества за считанные секунды. Хотя он не идеален в каждом сценарии, он справляется с подавляющим большинством распространенных случаев использования с впечатляющей точностью, делая удаление фона доступным для всех, а не только для экспертов Photoshop.