AI Penghapus Latar Belakang

Penghapusan latar belakang memisahkan subjek dari lingkungannya sehingga Anda dapat meletakkannya di transparansi, menukar adegan, atau menggabungkannya ke dalam desain baru. Di balik layar, Anda memperkirakan alpha matte—opasitas per piksel dari 0 hingga 1—dan kemudian melakukan alpha-compositing pada latar depan di atas sesuatu yang lain. Ini adalah matematika dari Porter–Duff dan penyebab masalah umum seperti “pinggiran” dan alfa lurus vs. alfa premultiplikasi. Untuk panduan praktis tentang premultiplikasi dan warna linear, lihat catatan Win2D Microsoft, Søren Sandmann, dan tulisan Lomont tentang pencampuran linear.

Cara utama orang menghapus latar belakang

1) Chroma key (“layar hijau/biru”)

Jika Anda dapat mengontrol pengambilan, cat latar belakang dengan warna solid (seringkali hijau) dan kunci rona itu. Ini cepat, teruji dalam film dan siaran, dan ideal untuk video. Kelemahannya adalah pencahayaan dan busana: cahaya berwarna tumpah ke tepi (terutama rambut), jadi Anda akan menggunakan alat despill untuk menetralkan kontaminasi. Referensi awal yang bagus termasuk dokumentasi Nuke, Mixing Light, dan demo langsung Fusion.

2) Segmentasi interaktif (CV klasik)

Untuk gambar tunggal dengan latar belakang yang berantakan, algoritme interaktif memerlukan beberapa petunjuk pengguna—misalnya, persegi panjang longgar atau coretan—dan menghasilkan mask yang tajam. Metode kanonis adalah GrabCut (bab buku), yang mempelajari model warna untuk latar depan/latar belakang dan menggunakan potongan grafik secara berulang untuk memisahkannya. Anda akan melihat ide serupa di Seleksi Latar Depan GIMP berdasarkan SIOX (plugin ImageJ).

3) Matting gambar (alfa berbutir halus)

Matting memecahkan transparansi parsial pada batas tipis (rambut, bulu, asap, kaca). Klasik matting bentuk-tertutup mengambil trimap (pasti-depan/pasti-belakang/tidak diketahui) dan menyelesaikan sistem linear untuk alfa dengan akurasi tepi yang tinggi. Modern deep image matting melatih jaringan saraf pada dataset Adobe Composition-1K (dokumen MMEditing), dan dievaluasi dengan metrik seperti SAD, MSE, Gradient, dan Connectivity (penjelasan tolok ukur).

4) Potongan pembelajaran mendalam (tanpa trimap)

• U²-Net (deteksi objek menonjol) adalah mesin “hapus latar belakang” umum yang kuat (repo).
• MODNet menargetkan matting potret waktu-nyata (PDF).
• F, B, Alpha (FBA) Matting secara bersamaan memprediksi latar depan, latar belakang, dan alfa untuk mengurangi halo warna (repo).
• Background Matting V2 mengasumsikan latar belakang yang bersih dan menghasilkan masker setingkat helai rambut secara waktu-nyata hingga 4K/30fps (halaman proyek, repo).

Pekerjaan segmentasi terkait juga berguna: DeepLabv3+ menyempurnakan batas dengan encoder–decoder dan konvolusi atrous (PDF); Mask R-CNN memberikan masker per-instans (PDF); dan SAM (Segment Anything) adalah model dasar yang berbasis prompt yang menghasilkan masker zero-shot pada gambar yang tidak dikenal.

Apa yang dilakukan alat populer

• Photoshop: Tindakan cepat Hapus Latar Belakang menjalankan “Pilih Subjek → masker lapisan” di balik layar (dikonfirmasi di sini; tutorial).
• GIMP: Seleksi Latar Depan (SIOX).
• Canva: 1-klik Penghapus Latar Belakang untuk gambar dan video pendek.
• remove.bg: aplikasi web + API untuk otomatisasi.
• Perangkat Apple: tingkat sistem “Angkat Subjek” di Foto/Safari/Tampilan Cepat (potongan di iOS).

Kiat alur kerja untuk potongan yang lebih bersih

1. Ambil gambar dengan cerdas. Pencahayaan yang baik dan kontras subjek–latar belakang yang kuat membantu setiap metode. Dengan layar hijau/biru, rencanakan untuk despill (panduan).
2. Mulai dari gambaran umum, lalu persempit ke detail. Jalankan seleksi otomatis (Pilih Subjek, U²-Net, SAM), lalu sempurnakan tepi dengan kuas atau matting (misalnya, bentuk-tertutup).
3. Perhatikan semi-transparansi. Kaca, kerudung, buram gerak, rambut beterbangan memerlukan alfa sejati (bukan hanya masker keras). Metode yang juga memulihkan F/B/α meminimalkan halo.
4. Pahami saluran alfa Anda. Lurus vs. premultiplied menghasilkan perilaku tepi yang berbeda; ekspor/komposit secara konsisten (lihat gambaran umum, Hargreaves).
5. Pilih output yang tepat. Untuk “tanpa latar belakang,” berikan raster dengan alfa bersih (misalnya, PNG/WebP) atau simpan file berlapis dengan masker jika akan ada penyuntingan lebih lanjut. Kuncinya adalah kualitas alfa yang Anda hitung—berakar pada Porter–Duff.

Kualitas & evaluasi

Karya akademis melaporkan kesalahan SAD, MSE, Gradient, dan Connectivity pada Composition-1K. Jika Anda memilih model, cari metrik tersebut (definisi metrik; bagian metrik Background Matting). Untuk potret/video, MODNet dan Background Matting V2 kuat; untuk gambar “objek menonjol” umum, U²-Net adalah dasar yang kuat; untuk transparansi yang sulit, FBA dapat memberikan hasil yang lebih baik.

Kasus tepi umum (dan perbaikannya)

• Rambut & bulu: utamakan matting (trimap atau matting potret seperti MODNet) dan periksa pada latar papan catur.
• Struktur halus (jeruji sepeda, tali pancing): gunakan input resolusi tinggi dan segmenter yang sadar batas seperti DeepLabv3+ sebagai langkah sebelum matting.
• Benda tembus pandang (asap, kaca): Anda memerlukan alfa parsial dan seringkali estimasi warna latar depan (FBA).
• Konferensi video: jika Anda dapat menangkap pelat bersih, Background Matting V2 terlihat lebih alami daripada opsi “latar belakang virtual” yang naif.

Di mana ini muncul di dunia nyata

• E-commerce: marketplace (misalnya, Amazon) seringkali memerlukan latar belakang gambar utama putih bersih; lihat Panduan gambar produk (RGB 255,255,255).
• Alat desain: Penghapus Latar Belakang Canva dan Hapus Latar Belakang Photoshop memperlancar potongan cepat.
• Kenyamanan di perangkat: “Angkat Subjek” iOS/macOS bagus untuk berbagi santai.

Mengapa potongan terkadang terlihat palsu (dan perbaikannya)

• Tumpahan warna: cahaya hijau/biru membungkus subjek—gunakan kontrol despill atau penggantian warna yang ditargetkan.
• Halo/pinggiran: biasanya ketidakcocokan interpretasi-alfa (lurus vs. premultiplied) atau piksel tepi yang terkontaminasi oleh latar belakang lama; konversi/interpretasi dengan benar (gambaran umum, detail).
• Buram/grain yang salah: tempel subjek yang tajam ke latar belakang yang buram dan itu menonjol; cocokkan buram lensa dan grain setelah proses komposit (lihat dasar-dasar Porter–Duff).

Buku pedoman TL;DR

1. Jika Anda mengontrol pengambilan: gunakan kunci kroma; cahaya merata; rencanakan despill.
2. Jika ini foto sekali pakai: coba Hapus Latar Belakang Photoshop, penghapus Canva, atau remove.bg; sempurnakan dengan kuas/matting untuk rambut.
3. Jika Anda memerlukan tepi kelas produksi: gunakan matting ( bentuk-tertutup atau mendalam) dan periksa alfa pada transparansi; perhatikan interpretasi alfa.
4. Untuk potret/video: pertimbangkan MODNet atau Background Matting V2; untuk segmentasi yang dipandu klik, SAM adalah front-end yang kuat.