MECANISMO
Cómo funciona quitar el fondo de un video: segmentación, máscaras y composición alfa
Todo eliminador de fondo de video calcula una máscara. Esto es qué es la máscara, cómo la produce una red neuronal, cómo se convierte en un fotograma terminado y dónde falla.
2
Clases que conoce el modelo
5min
Clip más largo, el nuestro
60min
Retención de subidas en remove.bg
MP4
Nuestra exportación
Qué calcula un eliminador de fondo de video
Un eliminador de fondo de video calcula una decisión por píxel: qué partes de cada fotograma son sujeto y cuáles son fondo. Esa decisión es una máscara. Una vez creada, el fondo se puede sustituir por un color o una imagen, desenfocar o descartar por completo, sin tocar al sujeto.
La segmentación semántica etiqueta cada píxel
La segmentación semántica consiste en asignar una etiqueta de clase a cada píxel de una imagen. El modelo devuelve una segunda imagen del tamaño del fotograma, en la que cada píxel contiene una predicción en lugar de un color. Su resolución de salida y su número de clases distinguen un modelo de otro.
Los modelos de uso general etiquetan carretera, cielo, coche, persona y edificio; la segmentación de instancias separa objetos dentro de una clase, así que dos personas se convierten en dos regiones. La segmentación de selfies no hace ninguna de las dos cosas.
Un modelo ligero de selfies, como la segmentación de selfies de MediaPipe de Google, tiene dos clases y un mapa de confianza por fotograma con valores de 0 a 1 por píxel, calculado muy por debajo de la resolución de tu video y luego escalado. Ese escalado limita el borde más fino que puede describir una máscara, y a cambio da la velocidad que permite ejecutarlo en un teléfono.
La composición alfa construye el fotograma
La composición alfa es el proceso de combinar una imagen de primer plano con una de fondo usando un valor de transparencia por píxel. El alfa registra la opacidad de cada píxel, así que el sujeto queda sobre cualquier fondo en lugar de parecer recortado sobre él. La operación «over» (sobre) es una media ponderada:
resultado = (primer_plano x alfa) + (fondo x (1 - alfa))
El mapa de confianza se convierte en ese canal alfa: 1 es sujeto puro, 0 fondo puro, y entre ambos las capas se mezclan en proporción, lo que hace que el cabello y el desenfoque de movimiento parezcan unidos al sujeto. Reducida a 0 y 1, una máscara corta como unas tijeras, y quitar, cambiar y desenfocar el fondo pasan a ser la misma operación con una segunda capa distinta.
En qué se diferencian el chroma key y la segmentación
Un chroma key trabaja con la distancia de color respecto a un tono de referencia. La segmentación deduce la clase semántica a partir de rasgos aprendidos, por eso funciona sin pantalla verde en cualquier habitación.
| Material | Chroma key | Segmentación |
|---|---|---|
| Una chaqueta verde | Agujeros en el sujeto | Reconoce el torso |
| Una postura doblada | No modela el cuerpo | La confianza se desploma |
| Cabello fino, bien iluminado | Lo resuelve | El escalado no puede |
Dónde falla la segmentación
- Cabello finoMás delgado que un píxel del mapa interno.
- Desenfoque de movimientoParte sujeto, parte fondo; no hay clase para «a medias».
- Patillas de gafas, pies de micrófonoPor debajo de la resolución del modelo.
- Una mano en la caraPiel sobre piel, sin pista de dónde está el borde.
- Poco contrasteNo hay discontinuidad, así que la confianza se acerca a 0,5.
- Una segunda personaEntrenado para un solo sujeto; los demás no se detectan.
- Bordes que parpadeanEl fotograma 400 se infiere sin saber nada del 399, así que los píxeles dudosos cambian de clase; suavizar cambia el parpadeo por retraso.
Dónde se ejecuta el modelo
Un modelo puede ejecutarse en el navegador, compilado a WebAssembly, o en un servidor con GPU. bgremover.ai ejecuta su modelo en nuestros servidores GPU y deja el resto en el navegador: el clip se redimensiona y se sube en segmentos cortos para que la inferencia se solape con la subida, y la composición y la recodificación se hacen en la pestaña.
Un flujo típico en servidor
- Subida: el archivo cruza primero la red
- Una cola para una GPU
- unscreen.pro vende «Fast (2x)» a $4.99 y «Priority (3x)» a $99
- Una descarga de vuelta
- La inferencia es rápida en hardware de servidor, la única etapa en la que gana un servidor
bgremover.ai
- Subida: redimensionada, en segmentos cortos
- Segmentación en nuestras GPU
- Composición en la pestaña
- Recodificación en el propio equipo
- Guárdalo. Sin marca de agua; no guardamos lo que subes
Cualquier herramienta en servidor conserva tu material durante un tiempo: remove.bg borra lo subido a los 60 minutos y ofrece una opción para ceder tu imagen al entrenamiento del modelo, y bgremover.ai no guarda ni lo subido ni las máscaras. El procesamiento en el cliente evita la subida por completo; a cambio, lo paga tu hardware.
La política de privacidad documenta qué conservamos; compatibilidad de navegadores explica qué necesita de un dispositivo una herramienta en el cliente.
Ventajas e inconvenientes de cada modelo: MediaPipe, MODNet, BEN2
| Modelo | Dónde se ejecuta | Bordes finos |
|---|---|---|
| MediaPipe selfie | Hardware modesto, móviles | Más suave, sin medir |
| MODNet, un modelo de matting | Más que un móvil | Cobertura parcial |
| BEN2, aún más pesado | WebGPU FP16, escritorio | Sin medir |
| FuzzPuppy: MODNet, BEN2, gratis | Chrome o Edge de escritorio | Modelos más pesados |
MediaPipe es adecuado para procesar en el dispositivo porque funciona en un teléfono. En una GPU potente y con material donde el cabello es crítico, gana un modelo más pesado. bgremover.ai ejecuta su modelo en servidores GPU, no en tu dispositivo.
Hasta dónde llega nuestra implementación
No sale ningún canal alfa: la exportación es MP4 (WebM en navegadores que no pueden escribir MP4), con un fondo de reemplazo o una pantalla verde para que apliques tú el key. El cabello fino es nuestro borde más débil, sin clasificar porque clasificar sin medir es adivinar. Los clips están limitados a 5 minutos y se redimensionan a 1280 píxeles en el lado largo, y en momentos de mucha demanda un trabajo puede esperar un poco a que quede libre una GPU.
Preguntas frecuentes
¿Qué es un eliminador de fondo de video y cómo funciona?
Separa al sujeto de un video de su fondo y luego lo sustituye, lo desenfoca o lo descarta. Un modelo de segmentación da a cada fotograma una máscara por píxel, que actúa como canal alfa para componer al sujeto sobre una capa.
¿Puedo quitar el fondo de un video sin pantalla verde?
Sí. Un modelo de segmentación elimina la necesidad de una pantalla verde: deduce qué píxeles son una persona a partir de rasgos aprendidos, no del color. Funciona con cualquier fondo, incluida una habitación desordenada, aunque una pantalla verde es más precisa en el cabello.
¿Cuándo debo usar chroma key en lugar de la eliminación automática?
Usa un chroma key cuando el fondo sea de un solo color con iluminación uniforme y la toma dependa del cabello, porque la distancia de color resuelve más detalle que una máscara. Usa la segmentación cuando no hayas grabado con fondo verde.
¿Por qué parpadea el borde del recorte entre fotogramas?
Porque cada fotograma se segmenta por separado, sin memoria del anterior. Los píxeles cercanos al límite de confianza de 0,5 del modelo cambian de clase entre fotogramas, así que el borde tiembla, y suavizarlo cambia ese parpadeo por retraso.
¿La herramienta sube mi video a un servidor?
Sí. El clip se redimensiona, se sube por HTTPS en segmentos cortos y lo procesa nuestro modelo de IA en servidores GPU; no guardamos ni lo subido ni sus máscaras. La exportación final se genera en tu navegador y nunca se nos envía.
Prueba el eliminador de fondos
Pruébalo sin registrarte. Tu archivo se procesa en nuestros servidores GPU y nunca se guarda.