Kuweka picha
Uwekaji picha ni ufundi wa kukata mada kutoka kwa picha kwa kingo za pixel-kamilifu, zinazoonekana nusu-wazi - kunasa kila uzi wa nywele au ukungu wa mwendo.
Muhtasari
Unlike simple segmentation, it estimates how much of each pixel belongs to the foreground.
Dive ya kina
Matting hutatua mlingano wa utungaji: kila pikseli inayotazamwa ni mchanganyiko wa rangi ya mandharinyuma na rangi ya mandharinyuma, iliyochanganywa na thamani ya alfa kati ya 0 na 1. Lengo ni kurejesha alpha matte hiyo - kinyago laini ambapo 1 iko mbele kabisa, 0 ina mandharinyuma kikamilifu, na thamani za sehemu hunasa maeneo yenye fujo au angavu. Hili halijabainishwa kihisabati, kwa hivyo mbinu za kawaida zilitegemea ramani-tatu inayochorwa na mtumiaji kuashiria mandhari ya mbele, mandharinyuma mahususi na maeneo yasiyojulikana. Mbinu za kujifunza kwa kina kama vile Deep Image Matting (2017) hujifunza kutabiri alpha moja kwa moja kutoka kwa picha na trimaps, huku miundo mpya isiyo na trimap kama vile MODNet na Robust Video Matting inakadiria matte kwa wakati halisi kutoka kwa picha au mlisho wa kamera ya wavuti pekee.
Ufahamu wa Kiufundi
Muundo wa msingi ni I = alpha*F + (1 - alpha)*B, ambapo mimi ni pikseli, F na B ni rangi za mandharinyuma na za mandharinyuma, na alfa ni uwazi. Na watu watatu wanaojulikana (pikseli ya RGB) na saba wasiojulikana, tatizo linahitaji vipaumbele au mwongozo. Mitandao ya kuunganisha kwenye mfumo wa neva hurejesha alfa kwa kutumia usanifu wa kisimbaji-kusimbuaji, mara nyingi kwa hatua tofauti ya uboreshaji ambayo inanoa kingo. Hasara huchanganya hitilafu ya utabiri wa alpha na hasara ya utunzi ambayo inachanganya upya utabiri na kuulinganisha na picha asili.
Athari za kimkakati
Kasi na kiwango
Visual AI inaweza kufanya ukaguzi, ugunduzi na kazi za kuweka lebo kiotomatiki kwa kiwango.
Tengeneza chaguzi
Timu bunifu zinaweza kuiga dhana kwa haraka zaidi na masahihisho machache ya mikono.
Timu na mtiririko wa kazi
Uendeshaji unaweza kutumia ishara za picha na video ambazo hapo awali zilikuwa ngumu kuchakata.
Mustakabali wa Kuunganisha Picha
Matting inaelekea kwenye utendakazi kiotomatiki kabisa, katika muda halisi, bila mpangilio kwenye video - tayari inawezesha uingizwaji wa usuli katika simu za video. Utafiti unasukuma azimio la juu zaidi, utunzaji bora wa uwazi changamano kama vile glasi na moshi, na muunganisho mkali zaidi na miundo zalishaji ya kuwasha tena na utunzi usio na mshono. Tarajia kuunganisha ili kuunganisha na mabomba ya uhariri kulingana na uenezaji, ili kukata mada na kuiweka katika eneo jipya, lisilo na mwanga inakuwa hatua moja ya kiotomatiki kwenye vifaa vya watumiaji.
Utekelezaji wa Ulimwengu Halisi
Mandhari pepe katika mkutano wa video, ikichukua nafasi ya chumba nyuma ya spika kwa wakati halisi
Utungaji wa filamu na TV kwenye skrini ya kijani kibichi, ukitoa waigizaji wenye kingo safi cha nywele kwa VFX
Picha za bidhaa za e-commerce, kuweka vitu kwenye mandharinyuma safi kiotomatiki
Hali ya picha na uundaji wa vibandiko katika programu za simu, kukata watu kwa kushiriki kijamii
Hatari & Walinzi
Haki za picha na idhini zinaweza kuwa hatari za kisheria ikiwa asili haiko wazi.
Utendaji wa muundo unaweza kutofautiana katika mwangaza, idadi ya watu na mazingira.
Chanya za uwongo zinaweza kutotambuliwa isipokuwa viwango vya uaminifu vifuatiliwe.
Ramani ya Utekelezaji
Bainisha vigezo vya kukubalika vya usahihi, kumbukumbu na gharama za makosa.
Jaribu kwa kutumia data inayolingana na hali halisi ya uzalishaji.
Ongeza ukaguzi wa kibinadamu kwa utabiri wa chini au utabiri wa athari kubwa.
Fuatilia mtindo wa kuteleza na uthibitishe upya baada ya mabadiliko ya kamera au mkusanyiko wa data.
Endelea Kuchunguza
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Image Matting quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Mwongozo unaofuata
Imagen Maandishi-kwa-Picha
Maswali yanayoulizwa mara kwa mara
What is Image Matting?
Uwekaji picha ni ufundi wa kukata mada kutoka kwa picha kwa kingo za pixel-kamilifu, zinazoonekana nusu-wazi - kunasa kila uzi wa nywele au ukungu wa mwendo. Tofauti na sehemu rahisi, inakadiria ni kiasi gani cha kila pikseli ni ya sehemu ya mbele.
Je, alpha matte inawakilisha nini katika kuunganisha picha?
Alpha ni uwazi kwa kila pikseli: 1 ni mandhari ya mbele kamili, 0 ina mandharinyuma kamili, na visehemu vinanasa maeneo laini au uwazi.
Je, kupandisha kunatofautiana vipi na sehemu ya binary?
Mgawanyiko hutoa lebo ngumu ya mandharinyuma/chinichini, huku matting hurejesha thamani za alfa zinazoendelea kwa maelezo mafupi, yenye uwazi nusu.
Je! ni trimap katika matting classic?
Trimap hugawanya picha katika mandhari ya mbele inayojulikana, mandharinyuma inayojulikana, na bendi isiyojulikana ambapo alfa lazima itatuliwe.
Ni nini kinachojulikana kuhusu mifano kama MODNet na Matting ya Video ya Robust?
Mitandao hii mipya inakadiria alpha matte moja kwa moja kutoka kwa picha au video bila kuhitaji upangaji unaotolewa na mtumiaji.
Ni hasara gani ambayo kawaida hujumuishwa na hitilafu ya utabiri wa alpha katika upangaji wa kina?
Hasara ya utunzi hujumuisha mandhari ya mbele na usuli kwa kutumia alfa iliyotabiriwa na kulinganisha tokeo na ingizo, na kuboresha usahihi.