이미지 LLMs는 진실한 RGB 255/255/255 배경을 전달하지 않습니다, 어떤 사정은 신속한 말합니다. Apiway의 White Studio 템플릿은 LLM이 작업 완료 한 후 실행되는 4 단계 포스트 처리 파이프라인을 통해 수행됩니다. 여기에 기술 연습, 실패 모드를 포함 우리는 그것을 구축.
LLM이 혼자 할 수없는 이유
Diffusion 모델은 교육 데이터에서 통계 패턴을 재현합니다. 사진 교육 데이터의 실제 제품 배경은 거의 결코 말 그대로 순수한 흰색 - cyclorama 벽 ~ 95 % albedo, 원활한 종이는 gradients를 선택, 센서 소음은 몇 가지 디지털 값으로 바닥 픽셀을 들어. 모델은 "흰색 배경"은 약간 질감이 흰색을 의미합니다. (더 많은 것: 왜 순수한 흰색에 대한 당신의 신속한은 여전히 회색을 제공합니다.)
진정한 #FFFFFF를 전달하는 모델에 대해 교육 배포를 싸우고 있습니다. 오른쪽 이동은 모델이 최고의 이미지를 생성하고 배경 색상을 철저하게 후반에서 실행하는 것입니다.
1단계: 그림자 보전을 가진 주제 세그먼트
이 지상 (모형 + 의류)를 하나의 마스크로 식별하고, 발 아래 캐스팅 그림자 분리 소프트 마스크, 그리고 나머지 배경을 확인합니다. 3개의 층, 2 아닙니다.
그림자 마스크는 층의 대부분의 파이프라인을 놓습니다. 이 없으면, recomposite는 바닥 접촉을 떨어 뜨리고 모델은 약간 회색 배경보다 더 나쁘다. shoppers가 즉시 뜨림을 등록하기 때문에. 그것으로, 모형은 지상에 놓았습니다.
우리는 유행 사진 가장자리 케이스를 취급하는 주문 훈련한 세그먼트 모형을 이용합니다: 배경, 다락새 직물 가장자리, 벨트와 부대 같이 부속품에 대하여 머리는 실루엣이 비 trivial입니다.
2 단계 : 리터 #FFFFFF에 recomposite
대상 측면 비율 (1 : 1, 4 : 5, 9 : 16 등)에서 새로운 캔버스를 생성하고 리터 RGB 255 / 255 / 255로 채워집니다. 상단에 전경 대상 마스크를 배치합니다. 흰색 캔버스 위에 부드러운 그림자 마스크를 배치하여 불투명도 감소 (원본 이미지에 따라 15 ~ 35%). (1:1) (4:5) (9:16)
이 단계에서 코너 픽셀은 진짜 #FFFFFF입니다. Amazon-policy 준수 질문은 해결됩니다.
3 단계 : 가장자리에 알파 매트
Hard-cutout 가장자리는 unmistakably 합성을 봅니다. 모발 특히 - 모발을 통해 깨끗한 폴리곤 가장자리가 즉시 가짜로 읽습니다. 파이프 라인은 배운 알파 매트 패스를 실행하여 부드러운 가장자리를 갖게하며, 흰색 배경으로 깃털을 떼어 놓고 직물 가장자리 질감을 보존합니다.
이것은 가장 긴 걸려 오른쪽을 잡은 단계입니다. 초기 버전은 over-feathered (머리 출혈 배경으로) 또는 under-feathered (하드 폴리곤 가장자리). 생산 버전은 LLM 출력에서 원래의 가장자리 부드러움을 샘플링하여 새로운 캔버스에 일치하여 라인을 걸어.
4 단계 : 전경의 음색 보정
이 땅이 신선한 #FFFFFF 캔버스에있을 때, 원래 LLM-generated 조명은 새로운 배경과 관련하여 약간의 관계를 보일 수 있습니다. 모델은 오프 화이트 오리지널에 lit; 흰색 캔버스는 더 밝고 대조는 열악한을 읽을 수 있습니다.
작은 글로벌 톤의 매력은 항상이 배경에 촬영 된 것처럼 보이는 전경을 재 균형. Subtle - 일반적으로 전경 발광성에 대한 2 ~ 5 % 조정, 원래는 lit 따뜻했다면 작은 흰색 균형 이동.
실패 모드 우리는 그것을 구축 히트
- 뜨 모형: 초기 버전은 그림자 마스크를 떨어졌다. 파이프 라인을 통해 별도의 레이어로 캐스터 그림자를 추적하여 고정하십시오.
- Halo 가장자리: 세그먼트가 원화의 원화 국경을 횡령으로 움직일 때 전경의 얇은 오프 컬러 링. 1–2픽셀으로 전경 마스크를 축소하여 경계에 알파 매트를 사용.
- 제품정보: 폴리곤 실루엣으로 잘라내는 좋은 머리 물가. 단계 3.에서 알파 매트 패스에 의해 고정
- 부속품 occlusion: 벨트, 가방 스트랩, 보석 체인은 배경으로 분류됩니다. 이 클래스 라벨을 사용하여 패션에 맞는 데이터에 세그먼트 모델을 훈련하여 고정.
성과와 비용 모양
엔드 투 엔드 엔드 엔드 엔드 엔드 엔드는 생산 GPU 인프라의 이미지 당 약 1.5 ~ 3 초에서 실행됩니다. 비용은 per-shot 신용 가격으로 흡수됩니다. 사용자는 별도의 라인 아이템으로 파이프라인을 볼 수 없습니다. (주요 재캡: 1개의 신용은 1센트를 동등합니다.)
왜 이 진짜 제품 가장자리입니다
대부분의 패션 AI 도구는 파이프라인을 건너 (그리고 아마존의 규칙을 실패하는 약간 회색 출력) 또는 사용자 (이미지 당 수동 포토샵 패스)에 백 배경 작업을 오프로드. Apiway는 White Studio의 기본을 만듭니다. 전달 가능한 것은 정책-compliant 순간 그것은 템플릿을 나타낸다.
코너 픽셀을 직접 테스트
한 이미지를 생성 White Studio... 어떤 이미지 편집기에서 코너 픽셀을 샘플. RGB 255/255/255를 읽습니다. 무료 계정은 150 일회 크레딧으로 배송됩니다. - 실제 의류 파일에 대한 검사 및 스트레스 테스트에 충분합니다.