InayofuataMwongozo unaofuata
Imagen Maandishi-kwa-Picha
AI ya kuona
Mwongozo wa AI unaoonekana
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.
Sikiliza mwongozo huuInaonyeshwa na AI · ~2 min
Katika ukurasa huudk 2 kusoma
Muhtasari
Tofauti na sehemu rahisi, inakadiria ni kiasi gani cha kila pikseli ni ya sehemu ya mbele.
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.
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
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.
Kuiweka katika vitendo
Kwa nini ni muhimu
- 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.
Jihadharini na
- 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.
Hatua zinazofuata
- 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
Jarida halali
Pata taarifa ya kila siku ya AI
Hadithi tatu za AI zilizothibitishwa kila asubuhi ya wiki, zimetengenezwa kwa Kiingereza rahisi. Bila malipo daima, hakuna matangazo.
Barua pepe moja kila siku ya wiki. Jiondoe kwa bonyeza moja. Hatutauza au kushiriki anwani yako.
Jijaribu mwenyewe
Take the Image Matting quiz
Maoni ya haraka juu ya kila jibu, na cheti kinachoweza kushirikishwa na kitambulisho kinachoweza kuthibitishwa baada ya kupita kozi.
Changia elimu ya AI bila malipo. AI Understanding ni 501(c)(3) isiyo na faida — hakuna matangazo, hakuna kizuizi cha malipo, daima. Toa mchango
Maswali yanayoulizwa mara kwa mara
Image Matting ni nini?
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.
Endelea kujifunza
Miongozo inayohusiana
Miongozo zaidi imechaguliwa kwa mada hii