كيف تعمل إزالة خلفية الفيديو: الفصل والأقنعة ودمج قناة alpha

ما الذي تحسبه أداة إزالة خلفية الفيديو

تحسب أداة إزالة خلفية الفيديو قرارًا لكل بكسل: أي أجزاء الإطار هي العنصر، وأيها الخلفية. وهذا القرار هو القناع. وبمجرد وجوده، يمكن استبدال الخلفية بلون أو صورة، أو تمويهها، أو حذفها تمامًا، دون المساس بالعنصر.

الفصل الدلالي يصنّف كل بكسل

الفصل الدلالي (Semantic Segmentation) هو إسناد تصنيف لكل بكسل في الصورة. يعيد النموذج صورة ثانية بحجم الإطار، يحمل كل بكسل فيها تنبؤًا بدلًا من لون. ودقة الإخراج وعدد الفئات هما ما يميز نموذجًا عن آخر.

النماذج العامة تصنّف الطريق والسماء والسيارة والشخص والمبنى؛ أما فصل الكائنات (Instance Segmentation) فيميز الأجسام داخل الفئة الواحدة، فيصبح الشخصان منطقتين منفصلتين. وفصل صور السيلفي لا يفعل أيًّا من ذلك.

نموذج السيلفي الخفيف مثل MediaPipe selfie segmentation من Google لديه فئتان فقط، وخريطة ثقة واحدة لكل إطار تحمل قيمة من 0 إلى 1 لكل بكسل، تُقرأ بدقة أقل بكثير من دقة الفيديو ثم تُكبَّر. وهذا التكبير يحدد أدق حافة يمكن للقناع وصفها، لكنه يمنح السرعة التي تسمح بتشغيله على الهاتف.

دمج قناة alpha يبني الإطار

دمج قناة alpha هو عملية الجمع بين صورة أمامية وصورة خلفية باستخدام قيمة شفافية لكل بكسل. تسجل قناة alpha درجة عتامة كل بكسل، فيظهر العنصر فوق أي خلفية بدلًا من أن يبدو مقصوصًا أمامها. وعملية «over» هي متوسط مرجح:

result = (foreground x alpha) + (background x (1 - alpha))

تصبح خريطة الثقة هي قناة alpha: القيمة 1 عنصر خالص، و0 خلفية خالصة، وبينهما تمتزج الطبقات بنسب متناسبة، ما يجعل الشعر وضبابية الحركة يبدوان متصلين بالعنصر. وإذا اختُزل القناع إلى 0 و1، فإنه يقص كالمقص، وتصبح الإزالة والاستبدال والتمويه عملية واحدة بطبقة ثانية مختلفة.

الفرق بين الكروما كي والفصل بالذكاء الاصطناعي

يعتمد الكروما كي على بُعد اللون عن درجة لونية مرجعية. أما الفصل فيستنتج الفئة الدلالية من سمات مكتسبة بالتعلم، ولهذا يعمل دون شاشة خضراء في أي غرفة.

أين يفشل الفصل

• الشعر الناعمأرفع من بكسل واحد في الخريطة الداخلية.
• ضبابية الحركةجزء عنصر وجزء خلفية؛ ولا توجد فئة للنصف.
• أذرع النظارات وحوامل الميكروفونأدق من دقة النموذج.
• يد على الوجهبشرة على بشرة، دون أي إشارة للحدود.
• التباين المنخفضلا انقطاع، فتقترب الثقة من 0.5.
• شخص ثانٍالتدريب على عنصر واحد؛ والأشخاص الإضافيون لا يُكتشفون.
• حواف تتلألأالإطار 400 يُستنتج دون أن يعرف شيئًا عن الإطار 399، فتنقلب البكسلات الحدّية؛ والتنعيم يستبدل الوميض بالتأخر.

أين يعمل النموذج

يمكن تشغيل النموذج في المتصفح بعد ترجمته إلى WebAssembly، أو على خادم GPU. تشغّل bgremover.ai نموذجها على خوادم GPU لدينا وتُبقي الباقي في المتصفح: يُصغَّر المقطع ويُرفع على أجزاء قصيرة فيتزامن الاستدلال مع الرفع، ويتم الدمج وإعادة الترميز داخل الصفحة.

أي أداة تعمل على الخادم تحتفظ بلقطاتك لفترة: يحذف remove.bg الملفات المرفوعة بعد 60 دقيقة ويقدم خيارًا اختياريًا للمساهمة بصورتك في تدريب النموذج، بينما لا تحتفظ bgremover.ai بالملفات المرفوعة ولا بالأقنعة. والمعالجة على جهازك تتجنب الرفع تمامًا، لكن عتادك هو من يتحمل التكلفة.

توضح سياسة الخصوصية ما نحتفظ به؛ وتشرح صفحة دعم المتصفحات ما تحتاجه الأداة التي تعمل في المتصفح من جهازك.

المفاضلة بين النماذج: MediaPipe وMODNet وBEN2

يناسب MediaPipe المعالجة على الجهاز لأنه يعمل على الهاتف. أما على GPU قوي مع لقطات يكون فيها الشعر حاسمًا، فالنموذج الأثقل هو الأفضل. وتشغّل bgremover.ai نموذجها على خوادم GPU بدلًا من جهازك.

أين تتوقف أداتنا

لا تخرج قناة alpha: التصدير ملف MP4 (أو WebM في المتصفحات التي لا تستطيع كتابة MP4)، يحمل خلفية بديلة أو شاشة خضراء تفصلها بنفسك. والشعر الناعم هو أضعف حوافنا، دون ترتيب لأن الترتيب دون قياس مجرد تخمين. المقاطع محدودة بـ 5 دقائق وتُصغَّر إلى 1280 بكسل للضلع الأطول، وفي أوقات الذروة قد تنتظر المهمة قليلًا حتى يتوفر GPU.

الأسئلة الشائعة