Yapay Zeka ile Arka Plan Silme Nasıl Çalışır? Segmentasyon ve Maskeler

Yapay zeka ile arka plan silme, bir fotoğrafı çok sayıda örnek görselden hangi piksellerin ana nesneye, hangilerinin arka plana ait olduğunu tanımayı öğrenmiş bir sinir ağından geçirerek çalışır. Model bir maske üretir - her pikselin nesneye ne kadar ait olduğunu gösteren gri tonlamalı bir harita - ve bu maske son PNG'nin şeffaflığına dönüşür. Tüm süreç, tek bir kenarı bile sizin çizmenize gerek kalmadan otomatik olarak gerçekleşir.

Elle çizimden otomatik maskelere

Yapay zeka araçlarından önce arka planı kaldırmak, nesneyi elle seçmek anlamına geliyordu. Tasarımcılar yollar çizmek için kalem aracını, benzer renkteki alanları seçmek için sihirli değnek araçlarını ve maske boyamak için fırçaları kullanırdı. Renge dayalı araçlar düz stüdyo fonlarında iyi çalışır, ancak arka planın karmaşık olduğu veya nesneyle benzer renkte olduğu gerçek dünya fotoğraflarında zorlanır.

Makine öğrenimi bunu değiştirdi. Bir sinir ağı yalnızca renge güvenmek yerine nesnelerin şekillerini ve bağlamını öğrenir: bir insanın, ayakkabının, köpeğin veya arabanın genellikle nasıl göründüğünü ve dış hatlarının muhtemelen nerede olduğunu.

Adım 1: Görsel hazırlanır

Bir fotoğraf yüklediğinizde genellikle modelin beklediği çözünürlüğe yeniden boyutlandırılır ve piksel değerleri normalleştirilir. Modeller sabit veya sınırlı bir girdi boyutuyla çalışır; bu yüzden sistem daha sonra sonucu orijinal görselinize uyacak şekilde yeniden büyütür.

Adım 2: Ağ görseli analiz eder

Çoğu arka plan silme modeli, segmentasyon - her pikseli etiketleme görevi - için tasarlanmış evrişimli sinir ağları veya transformer tabanlı ağlardır. Genellikle iki yarıdan oluşurlar:

• Görseli basit kenar ve dokulardan "yüz" veya "ürün" gibi üst düzey kavramlara kadar aşamalı olarak özelliklere sıkıştıran bir kodlayıcı (encoder).
• Bu özellikleri tekrar tam çözünürlüğe genişleterek piksel bazında bir tahmin üreten bir kod çözücü (decoder).

İki yarı arasındaki bağlantılar, ilk katmanlardaki ince ayrıntıları çıktıya aktarır; bu da doğru kenarlar için önemlidir. Birçok arka plan silme modeli belirgin nesne algılama veya ikili görüntü segmentasyonu için eğitilir - sahnedeki en belirgin nesneyi bulup onu diğer her şeyden hassas biçimde ayırmak.

Adım 3: Bir maske üretilir

Ağın çıktısı, görselle aynı şekle sahip bir maskedir. İyi modeller her piksel için kesin bir evet/hayır yerine 0 ile 1 arasında değerler üretir:

• 1 - kesinlikle nesne.
• 0 - kesinlikle arka plan.
• Arada - saç telleri veya bulanık bir dış hat gibi kısmen nesne, kısmen arka plan olan kenar pikselleri.

Bu yumuşak maskeye alfa matı (alpha matte) denir. Bu ara değerleri doğru tahmin etmeye matlama (matting) denir ve doğal görünen bir kesimi sert, tırtıklı kenarlı bir kesimden ayıran şey budur.

Adım 4: Maske şeffaflığa dönüşür

Son olarak maske orijinal görsel boyutuna ölçeklenir ve alfa kanalına yazılır. Sonuç, bu piksel bazındaki opaklığı saklayabilen bir PNG olarak kaydedilir. Şeffaf PNG nedir yazımız alfa kanallarını daha ayrıntılı açıklıyor.

Modeller nasıl öğrenir?

Bir segmentasyon modeli, insanlar tarafından veya dikkatli kompozisyonlarla oluşturulmuş doğru maskelerle eşleştirilmiş büyük görsel veri kümeleri üzerinde eğitilir. Eğitim sırasında model tahminler yapar, bunları doğru maskelerle karşılaştırır ve hatayı azaltmak için milyonlarca iç parametreyi ayarlar. Birçok turdan sonra genelleme yapar: daha önce hiç görmediği fotoğraflar için maske üretebilir.

Eğitim verilerinin çeşitliliği önemlidir. Çoğunlukla portreler üzerinde eğitilmiş bir model insanlarda güçlü olur ama ürünlerde zorlanabilir; tersi de geçerlidir. Genel amaçlı arka plan silme araçları geniş bir nesne karışımıyla eğitilir - insanlar, hayvanlar, ürünler, araçlar ve nesneler.

Bazı fotoğraflar neden diğerlerinden daha zor?

Güçlü modellerin bile öngörülebilir zayıf noktaları vardır:

• İnce saç ve tüy. İnce teller tek bir pikselde nesneyi ve arka planı karıştırır. İpuçları için fotoğraflarda saç nasıl kesilir yazımıza bakın.
• Düşük kontrast. Beyaz bir masadaki beyaz bir ürün, modele kenarın nerede olduğuna dair çok az görsel ipucu verir.
• Şeffaf veya yansıtıcı nesneler. Cam, su ve parlak metal arka planı içinden veya üzerinde gösterir.
• Belirsiz nesneler. Bir grup fotoğrafında veya kalabalık bir sahnede hangi nesnenin "asıl nesne" olduğu açık olmayabilir.
• Düşük çözünürlük veya bulanıklık. Eksik ayrıntı kenarları belirsizleştirir. Küçük bir kaynağı önce bir yapay zeka büyütme aracıyla büyütmek yardımcı olabilir.

Segmentasyon, nesne algılama ile aynı şey değildir

İlişkili iki fikri ayırmak faydalıdır. Nesne algılama, görseldeki şeylerin etrafına bir dikdörtgen çizer ve onları "köpek" veya "araba" gibi etiketler. Bu, saymak veya etiketlemek için kullanışlıdır, ancak bir dikdörtgen kesim için fazla kabadır. Segmentasyon piksel düzeyinde çalışır ve tam bir dış hat üretir. Arka plan silme, segmentasyon artı matlama gerektirir: dış hat sisteme hangi bölgenin nesne olduğunu, mat ise her kenar pikselinin ne kadar yumuşak olması gerektiğini söyler. Arka plan silme araçlarının, arkada kutu şeklinde bir arka plan parçası bırakmak yerine bir omzun kıvrımını veya parmaklar arasındaki boşluğu takip edebilmesinin nedeni budur.

Hız ve kalite dengesi

Model tasarımcıları doğruluğu hız ve bellekle dengeler. Daha büyük modeller ve daha yüksek girdi çözünürlükleri genellikle daha ince kenarları yakalar, ancak çalışması daha uzun sürer. Daha küçük modeller daha hızlıdır ama ince ayrıntıları kaçırabilir. Remove Photo Bg dahil bazı hizmetler, görselleri üçüncü taraf yapay zeka hizmetlerine göndermek yerine modellerini kendi sunucularında çalıştırır; özel fotoğraflarla veya henüz piyasaya çıkmamış ürünlerle çalışırken bu dikkate alınmaya değer.

Yapay zeka ile arka plan silmeden en iyi sonucu almak

1. Nesneyi belirgin hale getirin. Tamamen kadrajda olan tek bir ana nesne en iyi sonucu verir.
2. Kontrast kullanın. Nesneden renk ve parlaklık bakımından farklı bir arka plana karşı çekim yapın.
3. Net tutun. İyi odak ve ışık, modele takip edeceği temiz kenarlar verir.
4. Yeterli boyutta bir görsel yükleyin. Çok küçük önizlemelerden veya yoğun sıkıştırılmış ekran görüntülerinden kaçının.
5. Kenarları kontrol edin. Sonucu kullanmadan önce saçı, parmakları ve ürün köşelerini yakınlaştırarak inceleyin.

Kolay kesilebilen fotoğraflar nasıl çekilir rehberimiz çekim ipuçlarına daha derinlemesine giriyor.

İlgili yapay zeka teknikleri

Arka plan silme, benzer fikirlere dayanan birkaç yapay zeka görsel görevinden biridir. Inpainting maskelenmiş bir alanı makul içerikle doldurur; bir nesne silme aracı istenmeyen öğeleri bu şekilde siler. Süper çözünürlük görselleri büyütmek için eksik ayrıntıyı tahmin eder; yapay zeka ile büyütme bu şekilde çalışır. Daha fazlasını yapay zeka inpainting nedir yazımızda okuyabilirsiniz.

Uygulamada görün

Yapay zeka ile arka plan silme, sıradan bir fotoğrafı tek adımda temiz bir kesime dönüştürmek için segmentasyonu ve matlamayı birleştirir. Bunu anlamanın en iyi yolu denemektir: Remove Photo Bg ile bir fotoğraf yükleyin ve modelin nesnenizin kenarlarını nasıl işlediğine bakın.