Thảm hình ảnh
Làm mờ hình ảnh là nghệ thuật cắt chủ thể ra khỏi ảnh với các cạnh bán trong suốt, hoàn hảo về pixel — ghi lại từng sợi tóc mỏng manh hoặc chuyển động mờ.
Tổng quan
Khác với phân đoạn đơn giản, nó ước lượng bao nhiêu phần của mỗi điểm ảnh thuộc về tiền cảnh.
Lặn sâu
Việc làm mờ giải quyết phương trình tổng hợp: mỗi pixel được quan sát là sự pha trộn giữa màu nền trước và màu nền, được trộn bởi giá trị alpha trong khoảng từ 0 đến 1. Mục tiêu là khôi phục alpha mờ đó — một mặt nạ mềm trong đó 1 là hoàn toàn ở nền trước, 0 là nền hoàn toàn và các giá trị phân số ghi lại các vùng mờ hoặc mờ. Điều này chưa được xác định về mặt toán học, vì vậy các phương pháp cổ điển dựa vào bản đồ do người dùng vẽ đánh dấu tiền cảnh xác định, nền xác định và các vùng không xác định. Các phương pháp học sâu như Deep Image Matting (2017) học cách dự đoán alpha trực tiếp từ hình ảnh và các bản đồ nhỏ, trong khi các mô hình không có bản đồ mới hơn như MODNet và Robust Video Matting ước tính độ mờ trong thời gian thực chỉ từ nguồn cấp dữ liệu dọc hoặc webcam.
Hiểu biết kỹ thuật
Mô hình cốt lõi là I = alpha*F + (1 - alpha)*B, trong đó I là pixel, F và B là màu nền trước và màu nền, còn alpha là độ mờ. Với ba phần đã biết (pixel RGB) và bảy phần chưa biết, vấn đề cần có sự hướng dẫn trước hoặc hướng dẫn. Mạng lưới thần kinh hồi quy alpha bằng cách sử dụng kiến trúc bộ mã hóa-giải mã, thường có giai đoạn sàng lọc riêng biệt giúp làm sắc nét các cạnh. Các tổn thất kết hợp lỗi dự đoán alpha với tổn thất tổng hợp làm trộn lại dự đoán và so sánh nó với ảnh gốc.
Tác động chiến lược
Tốc độ và tỷ lệ
Visual AI có thể tự động hóa các nhiệm vụ kiểm tra, phát hiện và gắn thẻ trên quy mô lớn.
Xây dựng lựa chọn
Các nhóm sáng tạo có thể tạo nguyên mẫu nhanh hơn với ít sửa đổi thủ công hơn.
Nhóm và quy trình làm việc
Các hoạt động có thể sử dụng tín hiệu hình ảnh và video mà trước đây khó xử lý.
Tương lai của hình ảnh Matting
Matting đang hướng tới hoạt động hoàn toàn tự động, thời gian thực, không có tripap trên video — đã hỗ trợ tính năng thay thế nền trong các cuộc gọi điện video. Nghiên cứu đang thúc đẩy độ phân giải cao hơn, xử lý tốt hơn các chất trong suốt phức tạp như kính và khói, đồng thời tích hợp chặt chẽ hơn với các mô hình tổng hợp để chiếu sáng lại và kết hợp liền mạch. Dự kiến lớp phủ sẽ hợp nhất với các quy trình chỉnh sửa dựa trên sự khuếch tán, để việc cắt chủ thể và thả nó vào một cảnh mới, phù hợp với ánh sáng sẽ trở thành một bước tự động duy nhất trên các thiết bị tiêu dùng.
Triển khai trong thế giới thực
Hình nền ảo trong hội nghị truyền hình, thay thế căn phòng phía sau diễn giả theo thời gian thực
Ghép phim và màn hình xanh truyền hình, trích xuất các diễn viên có đường nét rõ ràng cho VFX
Hình ảnh sản phẩm thương mại điện tử, tự động đặt sản phẩm trên nền trắng sạch
Chế độ chân dung và tạo nhãn dán trong ứng dụng điện thoại, loại bỏ mọi người để chia sẻ trên mạng xã hội
Rủi ro & lan can
Quyền và sự đồng ý về hình ảnh có thể trở thành rủi ro pháp lý nếu nguồn gốc xuất xứ không rõ ràng.
Hiệu suất của mô hình có thể khác nhau tùy theo ánh sáng, nhân khẩu học và môi trường.
Kết quả dương tính giả có thể không được chú ý trừ khi ngưỡng tin cậy được theo dõi.
Lộ trình thực hiện
Xác định tiêu chí chấp nhận về độ chính xác, thu hồi và chi phí lỗi.
Kiểm tra với dữ liệu phù hợp với điều kiện sản xuất thực tế.
Thêm đánh giá của con người đối với những dự đoán có độ tin cậy thấp hoặc tác động cao.
Theo dõi sự trôi dạt của mô hình và xác nhận lại sau khi thay đổi máy ảnh hoặc tập dữ liệu.
Tiếp tục khám phá
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
Hướng dẫn tiếp theo
Chuyển văn bản thành hình ảnh
Câu hỏi thường gặp
Image Matting là gì?
Làm mờ hình ảnh là nghệ thuật cắt chủ thể ra khỏi ảnh với các cạnh bán trong suốt, hoàn hảo về pixel — ghi lại từng sợi tóc mỏng manh hoặc chuyển động mờ. Không giống như phân đoạn đơn giản, nó ước tính số lượng mỗi pixel thuộc về nền trước.
Alpha matte đại diện cho điều gì trong việc làm mờ hình ảnh?
Alpha là độ mờ trên mỗi pixel: 1 là toàn bộ nền trước, 0 là toàn bộ nền và các phân số chụp các vùng mềm hoặc trong suốt.
Làm mờ về cơ bản khác với phân đoạn nhị phân như thế nào?
Phân đoạn cung cấp nhãn nền trước/nền cứng, trong khi tính năng làm mờ sẽ khôi phục các giá trị alpha liên tục để có chi tiết đẹp, bán trong suốt.
Thảm trang trí cổ điển là gì?
Một trimap phân vùng hình ảnh thành nền trước, nền đã biết và một dải không xác định nơi phải giải quyết alpha.
Điều gì đáng chú ý ở các mô hình như MODNet và Robust Video Matting?
Các mạng mới hơn này ước tính alpha matte trực tiếp từ ảnh chân dung hoặc video mà không cần bản đồ cắt do người dùng cung cấp.
Sự mất mát nào thường được kết hợp với lỗi dự đoán alpha trong thảm sâu?
Sự mất mát thành phần kết hợp lại nền trước và nền sau bằng cách sử dụng alpha dự đoán và so sánh kết quả với dữ liệu đầu vào, cải thiện độ chính xác.