কেন ব্যাকগ্রাউন্ড রিমুভাল সবখানে দেখা যাচ্ছে

অ্যামাজনের প্রতিটি প্রোডাক্ট ফটো, প্রতিটি প্রোফাইল হেডশট, আপনার চ্যাট অ্যাপের প্রতিটি স্টিকার — সবই একটি রেকট্যাঙ্গুলার ফটো দিয়ে শুরু হয়েছিল যার একটি ব্যাকগ্রাউন্ড ছিল। ব্যাকগ্রাউন্ডটি সফটওয়্যার দিয়ে অপসারণ করা হয়েছে। ২০২৬ সালে, এটি এতটা দ্রুত এবং সাশ্রয়ী মূল্যে ঘটে যে আমরা ভুলে যাই যে এটি একটি কঠিন সমস্যা ছিল।

এক দশক আগে, ব্যাকগ্রাউন্ড অপসারণ বলতে মিস্ট্রিস (Photoshop)�োলা, ৪০০%-এ জুম করা, এবং পেন টুল দিয়ে বিষয়বস্তুটিকে হাতে ট্রেস করা — প্রতিটি ফটোর জন্য ৩০ মিনিট, এবং ফলাফলটিতে এখনও চুলের চারপাশে একটি সবুজ ফ্রিঞ্জ ছিল। আজ, একটি ব্রাউজার ১ সেকেন্ডে, বিনামূল্যে, এবং ভালো মানের সাথে এটি করতে পারে। প্রশ্ন হল: কীভাবে?

তিনটি অ্যালগরিদম

প্রতিটি আধুনিক ব্যাকগ্রাউন্ড রিমুভার — চাহিদামতু remove.bg, Canva, Photoshop, অথবা একটি ব্রাউজার-ভিত্তিক টুল — তিনটি পদ্ধতির মধ্যে একটি, অথবা তাদের সমন্বয় ব্যবহার করে।

১. রঙ-ভিত্তিক সেগমেন্টেশন

সবচেয়ে সরল পদ্ধতি। অ্যালগরিদমটি ইমেজের চারকোণের রঙ (যেটি ধরে নেওয়া হয় ব্যাকগ্রাউন্ড) নমুনা নেয়, একটি রঙ মডেল তৈরি করে, এবং সেই মডেলের "যথেষ্ট কাছাকাছি" প্রতিটি পিক্সেলকে ব্যাকগ্রাউন্ড হিসেবে চিহ্নিত করে। টলারেন্স থ্রেশহোল্ডটি নির্ধারণ করে কতটা আগ্রাসীভাবে অপসারণ করা হবে।

এটি সম্পূর্ণরূপে একটি সাদা ব্যাকগ্রাউন্ডে একটি প্রোডাক্টের, নীল আকাশের বিপরীতে একজন ব্যক্তির, অথবা যেকোনো গ্রীন স্ক্রিনে তোলা জিনিসের জন্য কাজ করে। এটি তখন ব্যর্থ হয় যখন ব্যাকগ্রাউন্ডে একাধিক রঙ থাকে (একটি গাছ, একটি ভিড়, একটি টেক্সচার্ড দেয়াল) অথবা যখন বিষয়বস্তুটি ব্যাকগ্রাউন্ডের রঙের সাথে মিলে যায় (একটি সাদা কুকুরছানা একটি সাদা সোফাতে)।

২. ফ্লাড-ফিল সহ অ্যালফা ম্যাটিং

দ্বিতীয় পদ্ধতি। অ্যালগরিদমটি একটি ট্রিম্যাপ তৈরি করে — একটি কম-বিস্তারিত মানচিত্র যাতে তিনটি জোন থাকে: অবশ্যই ফরগ্রাউন্ড, অবশ্যই ব্যাকগ্রাউন্ড, এবং প্রান্তে "অজানা" জোন। এটি তারপর পরিচিত জোন থেকে অজানা জোনে ফ্লাড-ফিল চালায়, এবং প্রতিটি প্রান্তের পিক্সেলের জন্য একটি সফট অ্যালফা মান (০ থেকে ১) গণনা করে যা কতটা ফরগ্রাউন্ড বনাম ব্যাকগ্রাউন্ড রঙ ধারণ করে।

এখানেই CIELab রঙ স্পেসের কথা আসে। RGB দূরত্ব মানুষের রঙ উপলব্ধির সাথে মেলে না — একই RGB দূরত্বের দুটি সবুজ রঙ অভিন্ন বা সম্পূর্ণ আলাদা�েখাতে পারে। CIELab (লাইটনেস, a, b) উপলব্ধিগতভাবে সমরূপ: ল্যাব স্পেসে সমান দূরত্ব সমান ভিন্নতা দেখায়। CIELab ব্যবহার করা ব্যাকগ্রাউন্ড রিমুভারগুলি পরিষ্কার প্রান্ত তৈরি করে কারণ তারা সীমানার কোন পাশে একটি পিক্সেল অন্তর্ভুক্ত তা সম্পর্কে ভালো সিদ্ধান্ত নেয়।

৩. এআই সেমান্টিক সেগমেন্টেশন

তৃতীয় পদ্ধতি। একটি নিউরাল নেটওয়ার্ক — সাধারণত একটি U-Net বা এর অনুরূপ এনকোডার-ডিকোডার আর্কিটেকচার — মিলিয়ন লেবেলযুক্ত ইমেজে প্রশিক্ষিত হয়। এটি "মানুষ", "গাড়ি", "কুকুর", "প্রোডাক্ট" সেমান্টিক শ্রেণী হিসেবে চেনাশোনা করতে শেখে, এবং ব্যাকগ্রাউন্ড নির্বিশেষে বিষয়বস্তুর একটি পিক্সেল-সঠিক মাস্ক তৈরি করে।

মানুষের ফটোর জন্য, MediaPipe Selfie Segmentation (Google থেকে একটি লাইটওয়েট মডেল) ব্রাউজারে রিয়েল-টাইমে চলে, কোনো GPU প্রয়োজন নেই। প্রোডাক্ট এবং অবজেক্টের জন্য, U²-Net বা IS-Net-এর মতো ভারী মডেল ব্যবহার করা হয়। ট্রেড-অফ হল মানের বনাম গতির বনাম মডেলের আকার: একটি ৪০ এমবি মডেল কাছাকাছি নির্ভুল চুল দেয়, কিন্তু ডাউনলোড করতে ৫ সেকেন্ড সময় লাগে। একটি ২ এমবি মডেল তৎক্ষণাৎ কাজ করে কিন্তু ফাইন ডিটেইলে সমস্যা হয়।

কেন চুল সবচেয়ে কঠিন সমস্যা

চুল হল ব্যাকগ্রাউন্ড রিমুভালের শত্রু। একটি একক চুলের সুতো ১-২ পিক্সেল পুরু — যা অধিকাংশ মাস্কের রেজোলিউশনের নিচে। সেমি-ট্রান্সপারেন্ট চুল ফরগ্রাউন্ড এবং ব্যাকগ্রাউন্ড রঙকে এমনভাবে মিশিয়ে দেয় যে কোনো হার্ড থ্রেশহোল্ড তা আলাদা করতে পারে না। এবং "ভালো চুল কাটা" এবং "খারাপ চুল কাটা" এর মধ্যে ভিজ্যুয়াল পার্থক্য বিশাল — মাথার চারপাশে একটি সবুজ হ্যালো তৎক্ষণাৎ "ফেক" বলে চিৎকার করে।