การสกัดเบื้องหน้า

การดึงข้อมูลเบื้องหน้าใช้อัลกอริธึมเพื่อแยกแยะวัตถุหลักจากองค์ประกอบโดยรอบ กระบวนการนี้เกี่ยวข้องกับความท้าทายในการคำนวณสองประการ: การระบุขอบเขตที่อยู่เบื้องหน้า (การแบ่งส่วนความหมาย) และการกำหนดขอบเขตที่แม่นยำระหว่างเบื้องหน้าและเบื้องหลัง (ปู) วิธี AI สมัยใหม่จัดการทั้งสองขั้นตอนพร้อมกัน โดยสร้างทั้งแผนที่การแบ่งส่วนแบบไบนารีและเคลือบอัลฟ่าที่ได้รับการปรับปรุงในการส่งผ่านครั้งเดียว\n\nบริการหนังสือเดินทางและภาพถ่ายติดบัตรใช้การแยกข้อมูลเบื้องหน้าเป็นประจำ บุคคลยืนอยู่บนพื้นหลังใดก็ตามที่มีอยู่ และซอฟต์แวร์จะแยกบุคคลนั้นและวางไว้บนพื้นหลังที่ได้มาตรฐาน (สีทึบ ขนาดเฉพาะ) การสกัดจะต้องแม่นยำบริเวณเส้นผมและขอบเสื้อผ้า ในขณะเดียวกันก็จัดการกับสีผิว พื้นผิวของเส้นผม และวัสดุเสื้อผ้าที่หลากหลายโดยไม่ต้องปรับแต่งด้วยตนเอง\n\nการสกัดเบื้องหน้ามีความก้าวหน้าผ่านเทคโนโลยีหลายรุ่น วิธีการในยุคแรกๆ กำหนดให้ผู้ใช้ป้อนข้อมูล — draw มีขอบเขตพื้นหน้า/พื้นหลังคร่าวๆ สำหรับอัลกอริทึม เช่น GrabCuGrabCut วิธีการอัตโนมัติได้รับการปรับปรุงความแม่นยำ แต่ยังต้องมีการปรับแต่งด้วยตนเอง วิธีการ AI ในปัจจุบันไม่จำเป็นต้องป้อนข้อมูลจากผู้ใช้เลย โดยจะระบุวัตถุหลักโดยอัตโนมัติและสร้างการแยกข้อมูลที่สมบูรณ์ได้ในคลิกเดียว วิธีการสมัยใหม่เหล่านี้จัดการกับหลายวิชา องค์ประกอบที่ทับซ้อนกันppi และความสัมพันธ์เบื้องหน้า-พื้นหลังที่ไม่ชัดเจน ซึ่งจะทำให้วิธีอัลกอริทึมก่อนหน้านี้สับสน\n\nการดำเนินการ BacMagic Eraserer ของ Magic EraserBackground Eraser โดยอัตโนมัติโดยใช้โครงข่ายประสาทเทียมที่ได้รับการฝึกในหัวข้อที่หลากหลาย AI ระบุผู้คน ผลิตภัณฑ์ สัตว์ และวัตถุโดยไม่มีคำแนะนำจากผู้ใช้ สร้างการแยกข้อมูลที่สะอาดซึ่งจัดการกับขอบเขตที่ซับซ้อน รวมถึงเส้นผม วัสดุโปร่งแสง และองค์ประกอบที่ทับซ้อนกัน ppiject ที่แยกออกมาจะถูกส่งมาพร้อมกับพื้นหลังโปร่งใสที่พร้อมใช้งานในภายหลัง ระบบนี้ให้ผลลัพธ์ที่สม่ำเสมอในสภาพการถ่ายภาพที่หลากหลาย ตั้งแต่ภาพบุคคลในสตูดิโอที่มีแสงสว่างเพียงพอไปจนถึงฉากกลางแจ้งที่ท้าทายด้วยแสงด่าง พื้นหลังที่วุ่นวาย aapplebjects สวมเสื้อผ้าที่ใกล้เคียงกับสีพื้นหลัง ซึ่งเดิมแล้วทั้งหมดนี้จำเป็นต้องมีการปรับแต่งแบบแมนนวลอย่างกว้างขวางเพื่อแยกออกมาอย่างหมดจด