எப்போதும் பின்னணி நீக்கம் ஏன் தேவை

அமேசானில் உள்ள ஒவ்வொரு தயாரிப்பு புகைப்படமும், ஒவ்வொரு சுயவிவர தலைப்புப் புகைப்படமும், உங்கள் அரட்டை பயன்பாட்டில் உள்ள ஒவ்வொரு ஸ்டிக்கரும் — அவற்றின் தொடக்கத்தில் அனைத்தும் பின்னணி கொண்ட ஒரு செவ்வக வடிவப் புகைப்படமாக இருந்தன. அந்தப் பின்னணியை மென்பொருள் நீக்கியது. 2026 ஆம் ஆண்டில், இது மிகவும் வேகமாகவும் மலிவாகவும் நடைபெறுகிறது, இது ஒரு கடினமான சிக்கல் என்பதை நாம் மறந்துவிடுகிறோம்.

ஒரு பத்தாண்டுக்கு முன், பின்னணியை நீக்குவது என்பது போட்டோஷாப்பைத் திறந்து, 400% ஆக பெரிதாக்கி, பென் கருவியைக் கொண்டு பொருளைக் கைமுறையாக வரைவதைக் குறிக்கிறது — ஒரு புகைப்படத்திற்கு 30 நிமிடங்கள், மற்றும் முடிவில் இன்னும் தலைமுடியில் ஒரு பச்சை ஓரம் இருந்தது. இன்று, ஒரு உலாவி ஒரு விநாடியில், இலவசமாக, சிறப்பான தரத்துடன் இதைச் செய்ய முடியும். கேள்வி என்னவென்பது: எப்படி?

மூன்று அல்காரிதம்கள்

நவீன பின்னணி நீக்கிகளில் ஒன்றான remove.bg, Canva, Photoshop, அல்லது உலாவி அடிப்படையிலான கருவி என்றாலும், ஒவ்வொன்றும் மூன்று அணுகுமுறைகளில் ஒன்றையோ அல்லது அவற்றின் சேர்க்கையையோ பயன்படுத்துகின்றன.

1. வண்ணம் அடிப்படையிலான பிரித்தல்

மிகவும் எளிமையான முறை. அல்காரிதம் படத்தின் நான்கு மூலைகளில் உள்ள வண்ணங்களை மாதிரியாக எடுத்து (பின்னணியாகக் கருதப்படுகிறது), ஒரு வண்ண மாதிரியை உருவாக்குகிறது, மற்றும் அந்த மாதிரிக்கு "போதுமான அளவு நெருக்கமான" ஒவ்வொரு பிக்சலையும் பின்னணியாகக் குறிக்கிறது. எதிர்ப்பு வீச்சு எவ்வளவு ஆக்ரோஷமாக நீக்குகிறது என்பதைக் கட்டுப்படுத்துகிறது.

இது வெள்ளை பின்னணியில் உள்ள ஒரு தயாரிப்புக்கு, நீல வானத்திற்கு எதிராக ஒரு நபருக்கு, அல்லது பச்சை திரையில் எடுக்கப்பட்ட எந்தவொரு பொருளுக்கும் முழுமையாகச் செயல்படுகிறது. பின்னணியில் பல வண்ணங்கள் (ஒரு மரம், கூட்டம், அமைப்பு செய்யப்பட்ட சுவர்) இருக்கும்போது அல்லது பொருள் பின்னணியுடன் வண்ணத்தில் ஒத்திருக்கும்போது (வெள்ளை சோப்பானில் உள்ள வெள்ளை பூனை) இது தோல்வியடைகிறது.

2. ஆல்பா மேட்டிங் உடன் பிளட்-பில்

இரண்டாவது முறை. அல்காரிதம் ஒரு டிரிமேப் - ஒரு துருவிக்கப்பட்ட வரைபடம் மூன்று மண்டலங்களுடன்: உறுதியான முன்புறம், உறுதியான பின்னணி, மற்றும் விளிம்பில் "தெரியாத" மண்டலம் - உருவாக்குகிறது. பின்னர் அது தெரிந்த மண்டலங்களில் இருந்து தெரியாத மண்டலத்திற்கு பிளட்-பில் இயங்குகிறது, அதில் எவ்வளவு முன்புறம் எதிர்நோக்கிய பின்னணி வண்ணம் உள்ளது என்பதைப் பொறுத்து ஒவ்வொரு விளிம்பு பிக்சலுக்கும் ஒரு மென்மையான ஆல்பா மதிப்பை (0 முதல் 1 வரை) கணக்கிடுகிறது.

இதுவே CIELab வண்ண இடத்தின் இடம். RGB தூரம் மனிதர்கள் வண்ணத்தை உணரும் முறையுடன் பொருந்தவில்லை - ஒரே RGB தூரத்தில் இருக்கும் இரண்டு பச்சை வண்ணங்கள் ஒரே மாதிரி இருக்கலாம் அல்லது முழுமையாக வேறுபட்டிருக்கலாம். CIELab (ஒளி, a, b) உணர்வு ரீதியாக ஒரே மாதிரியானது: Lab இடத்தில் சமமான தூரங்கள் சமமாக வேறுபட்டிருக்கின்றன. CIELab ஐப் பயன்படுத்தும் பின்னணி நீக்கிகள் விளிம்பு பிக்சல் எந்த பக்கத்திற்கு சொந்தமானது என்பது பற்றி சிறந்த முடிவுகளை எடுக்கின்றன, எனவே அவை சுத்தமான விளிம்புகளை உருவாக்குகின்றன.

3. AI செமாண்டிக் பிரித்தல்

மூன்றாவது முறை. ஒரு நரம்பியல் வலை - பொதுவாக ஒரு U-Net அல்லது அதே போன்ற என்கோடர்-டெகோடர் கட்டமைப்பு - மில்லியன் கணக்கான குறியீடு இடப்பட்ட படங்களில் பயிற்சி பெறுகிறது. இது "நபர்", "�ார்", "நாய்", "தயாரிப்பு" ஆகியவற்றை செமாண்டிக் வகைகளாக அங்கீகரிப்பதைக் கற்றுக்கொள்கிறது, மற்றும் பின்னணியைப் பொருட்படுத்தாமல் பொருளின் பிக்சல் துல்லியமான மாஸ்கை உருவாக்குகிறது.

நபர்கள் உள்ள புகைப்படங்களுக்கு, மீடியாபைப் செல்ஃபி பிரித்தல் (�