背景除去があふれている理由
Amazonの商品写真、プロフィールの顔写真、チャットアプリのステッカー — どれも最初は背景のある長方形の写真でした。背景はソフトウェアによって除去されます。2026年、これはあまりにも速く、あまりにも安価に行われるため、難しい問題だったことを忘れがちです。
10年前、背景を除去するにはPhotoshopを開き、400%までズームし、ペンツールで被写体を手作業でなぞる必要がありました — 写真1枚につき30分、それでも髪の周りに緑のフチが残りました。今日ではブラウザが1秒で、無料で、より高品質に処理できます。問題は「どうやって?」です。
3つのアルゴリズム
remove.bg、Canva、Photoshop、ブラウザベースのツールなど、現代の背景除去ツールはすべて、次の3つのアプローチのいずれか、あるいはそれらの組み合わせを使っています。
1. 色ベースのセグメンテーション
最もシンプルな方法。アルゴリズムは画像の四隅の色をサンプリングして(背景と仮定)、カラーモデルを構築し、そのモデルに「十分近い」ピクセルをすべて背景としてマークします。許容度のしきい値が除去の強さを制御します。
この方法は白背景の商品、青空を背にした人物、グリーンスクリーンで撮影されたものに対しては完璧に機能します。背景に複数の色がある場合(木、群衆、テクスチャ付きの壁)、あるいは被写体が背景と似た色の場合(白いソファの上の白い猫)、失敗します。
2. フラッドフィルとアルファマッティング
2番目の方法。アルゴリズムはトリマップを作ります — 明確に前景、明確に背景、そしてエッジの「不明」ゾーンの3つの領域を持つ大まかなマップです。その後、既知のゾーンから不明ゾーンへフラッドフィルを実行し、エッジピクセルごとに、前景と背景の色をどれだけ含むかに基づいてソフトなアルファ値(0から1)を計算します。
ここでCIELab色空間が登場します。RGBの距離は人間が色を知覚する方法と一致しません — 同じRGB距離を持つ2つの緑が、同じに見えることもあれば完全に違って見えることもあります。CIELab(Lightness、a、b)は知覚的に一様です — Lab空間での等しい距離は等しく違って見えます。CIELabを使う背景除去ツールは、境界のどちら側にピクセルが属するかの判断をより正確に行うため、よりクリーンなエッジを生成します。
3. AI意味セグメンテーション
3番目の方法。ニューラルネットワーク — 通常はU-Netやそれに類するエンコーダ・デコーダ構造 — が数百万のラベル付き画像で訓練されます。「人物」「車」「犬」「製品」を意味カテゴリとして認識するよう学習し、背景にかかわらず被写体のピクセル精度のマスクを生成します。
人物の写真には、MediaPipe Selfie Segmentation(Googleの軽量モデル)がブラウザ内でリアルタイムに動作し、GPUは不要です。製品や物体には、U²-NetやIS-Netなどのより重いモデルが使われます。トレードオフは品質対速度対モデルサイズです。40 MBのモデルは髪をほぼ完璧に処理しますが、ダウンロードに5秒かかります。2 MBのモデルは瞬時ですが細部の処理が苦手です。
髪が最難関の問題である理由
髪は背景除去の宿命の敵です。髪1本は1〜2ピクセルの太さで、ほとんどのマスクの解像度を下回ります。半透明の髪は前景と背景の色を混ぜ合わせ、どんな硬いしきい値でも分離できません。そして「良い髪の切り抜き」と「悪い髪の切り抜き」の見た目の差は甚大です — 頭の周りの緑のハローはたちまち「偽物」と叫びます。
解決策は、アルファマッティングと色のデコンタミネーションの組み合わせです。アルファマッティングはピクセルごとにソフトなアルファ値を計算するため、髪の毛がハードな線で終わるのではなく徐々に透明にフェードします。色のデコンタミネーションは合成方程式を逆転させます — foreground = (composite - (1-alpha) × background) / alpha — エッジピクセルの真の前景色を復元し、背景から染み込んだ緑(あるいは青、グレー)の色合いを除去します。
パイプライン
本番品質の背景除去ツールは3つの方法を順番に実行します。
- 色セグメンテーション — 高速な第一パス、明らかな背景ピクセルをマーク。
- フラッドフィル + アルファマッティング — エッジを洗練させ、ソフトなアルファ値を計算。
- 色デコンタミネーション — 半透明のエッジピクセルからハローを除去。
- 連結成分解析 — 最大の被写体領域だけを残し、浮遊するノイズ島を除去。
人物の写真では、ステップ0としてAIセルフィーセグメンテーションを実行します — マスクの足がかりが得られるため、色セグメンテーションとフラッドフィルのパスの仕事量が減ります。
失敗するケース
背景除去は次の場合に失敗します。
- 被写体が背景と似た色の場合。 白い壁の前の白いシャツ、緑の葉の上の緑のトカゲ。知覚的にエッジが存在しないため、アルゴリズムはエッジを見つけられません。
- 背景が複雑で込み合っている場合。 木、群衆、チェーンリンクフェンス — 色が多すぎてフラッドフィルが対応できません。
- 被写体が透明または反射する場合。 ガラス、水、プラスチック — 「前景」が部分的に背景です。
- 画像の解像度が低い場合。 200×200では、髪1本は0.5ピクセルで、サンプリング限界を下回ります。
最良の結果を得る方法
- 均一な背景で撮影する。 白、グレー、または青が最適です。背景色が被写体から遠いほど、切り抜きはクリーンになります。
- 高解像度ソースを使う。 2000×2000以上。アルゴリズムはエッジで処理するピクセルを必要とします。
- モーションブラーを避ける。 ブレたエッジはアルゴリズムが推測しなければならない広い「不明」ゾーンです。
- 髪には無地の背景を使う。 パターンのある背景は髪に染み込み、除去が難しいハローを作ります。
プライバシー
背景除去は完全にブラウザ内で実行できます。画像はアップロードされず、サーバーは写真を見ません。色セグメンテーション、フラッドフィル、さらにはAIモデルまでも — すべてデバイスのCPUかGPUで動きます。プライベートな写真、家族のポートレート、証明写真、機密画像にも安全です。
未来
次のフロンティアは動画のリアルタイム背景除去です — Zoom、Meet、OBSはすでに品質に差はあるものの実装しています。アルゴリズムは同じで、課題は30〜60フレーム/秒で実行することです。ブラウザベースのツールも追いついています。WebGPUにより、ブラウザタブでのリアルタイム4K背景除去が現実になりつつあります。
写真については、問題は実質的に解決済みです。アルゴリズムは十分に良く、十分に速く、十分に無料で、「背景を除去」するのはワンクリックの操作になりました。残る課題はエッジにあります — 文字通り、髪、毛、半透明素材は依然としてすべてのアルゴリズムを悩ませており、おそらく永遠にそうでしょう。