Compatibilidade e Desempenho dos Navegadores na Remoção de Fundo no Cliente

O Que o Navegador Precisa Oferecer

Um removedor de fundo no cliente roda dentro de uma página web, então cada recurso de que ele precisa tem que ser exposto pelo navegador, e não instalado. Quatro importam, e um dispositivo sem qualquer um deles não roda a ferramenta.

O WebAssembly roda o modelo na sandbox do próprio navegador, o que mantém o vídeo de uma ferramenta no cliente no seu dispositivo; o bgremover.ai, por outro lado, envia o vídeo para nossos servidores com GPU, como explica como funciona a remoção de fundo. A inferência é basicamente multiplicação de matrizes, então pede uma GPU: o WebGL expõe uma por meio de uma API gráfica, o WebGPU por meio de uma API de computação.

Sem nenhum dos dois, a inferência volta para a CPU. Algo também precisa codificar os quadros prontos em um arquivo: o MediaRecorder, o caminho mais amplo, ou o WebCodecs, o mais preciso. O quarto requisito, memória para os quadros decodificados, é o mais subestimado.

Três Caminhos de Execução

O WebGL é um improviso, não um projeto: a API foi feita para desenhar triângulos, e mover dados por texturas custa tempo. Ele continua sendo o padrão prático. O WASM disputa a thread principal, a menos que o trabalho vá para um worker, e o BEN2 precisa de WebGPU FP16, ou seja, só GPUs de desktop recentes.

Quem decide é a disponibilidade, não a preferência: uma ferramenta que só implementa WebGPU é rápida onde roda e inexistente em todo o resto.

Por Que a Primeira Execução É Mais Lenta

1. 1 O modelo é baixado uma vez

   Antes de qualquer quadro ser processado.

2. 2 Ele inicializa e aquece

   Depois o primeiro quadro passa.

3. 3 Os vídeos seguintes pulam as duas etapas

   Servido do cache, então só resta a inicialização.

Por isso, uma ferramenta no cliente deve carregar o modelo após uma ação do usuário, e não ao abrir a página: megabytes de WebAssembly chegando assim que você entra fariam a página parecer quebrada para quem só veio ler.

A Conta dos Quadros Decodificados

Um quadro de vídeo decodificado são pixels sem compressão, então a resolução domina a memória.

Esses números são contas, não medições, e o tamanho do arquivo comprimido é um mau indicador. Nada exige todos os quadros decodificados ao mesmo tempo, mas o processo mantém um conjunto de trabalho: o quadro sendo decodificado, o que está sendo segmentado, a máscara dele, a composição e o buffer do codificador.

Multiplique alguns quadros por 33 MB em 4K e o orçamento de uma aba começa a pesar, principalmente no celular. Se um vídeo longo em alta resolução falhar ou a aba recarregar, reduza a resolução em vez da duração: cortar cada dimensão pela metade divide a memória por quatro.

O Que Define o Tempo de Processamento

São relações, não números: um tempo medido em um notebook não diz nada sobre um celular.

• Número de quadrosDuração vezes taxa de quadros; 60 fps é o dobro de 30 fps.
• ResoluçãoPesa na decodificação, composição e codificação; a inferência fica fixa.
• Caminho de execuçãoWebGPU, WebGL e WASM-SIMD variam na mesma máquina.
• Tipo de dispositivoGPUs de desktop, notebook e celular são três máquinas diferentes.
• Escolha do modeloMatting custa mais por quadro que o MediaPipe.
• TemperaturaTrabalho contínuo de GPU em um celular quente é limitado.

Matriz de Compatibilidade dos Navegadores

A verificação por navegador deve entrar aqui antes de o site afirmar compatibilidade universal. O que podemos afirmar sem testar é arquitetural: uma ferramenta no cliente precisa de WebAssembly e de um caminho de GPU, não de WebGPU. O bgremover.ai precisa de WebCodecs, que usa para preparar o envio e montar a exportação.

A Situação Real no Celular

Para uma ferramenta no cliente, o tamanho reduzido do MediaPipe selfie segmentation é o que viabiliza os navegadores de celular. Alguns megabytes com pouca exigência de memória cabem no orçamento de uma aba no celular; um modelo de GPU de desktop, não. O bgremover.ai contorna isso rodando o modelo em servidores com GPU; o celular ainda decodifica e codifica o vídeo.

Não vamos afirmar compatibilidade universal com celulares antes de testar cada navegador. O celular é mais difícil: menos memória por aba, descarte agressivo de abas, limitação por temperatura. Vídeos mais curtos em resolução menor são o caminho confiável, e fotos no removedor de fundo de imagem custam um único quadro.

Perguntas Frequentes