将一个人+服装从时尚形象中干净地剪除,并不是2026年一个解决的问题. 通用的分片模型在照片上做得足够好,在AI生成的图像上表现得很差,其边缘和阴影的表现是潜移的. 以下是Apiway如何从LLM生成的背景中分解纯白管的主体.
为什么AI图像上分化更难
真实的照片具有可预测的边缘特征:高相突边界的色调偏差,统一区域的感应噪音,场面深度落地. 通用分块模型对摄影数据进行培训,并学习这些信号作为边界提示的一部分。
AI生成的图像有不同的信号. 边缘较清洁,噪音一致,场面深度大致而非物理. 通用的分块模型常常以微妙的方式错过AI图像上的界限——一件夹克袖子被剪断,一条毛线被打碎,一个袋带消失在背景中.
三层分解
Apiway的分片传球每张图像产生三个口罩,而不是通常的两张:
- 前景:模型与服装. 硬面罩带有α边缘.
- 铸造阴影:脚下和模型后面的软阴影. 软面罩,低不透明.
- 背景情况: 其他一切,我们来告诉你 弃于复集阶段.
阴影作为单独的一层是单一最重要的建筑决定. (更多内容: 为什么我们把白纸黑字重新拼凑没有它,模型看起来就像在太空中漂浮。
边际案例 模式已经培训了
通用的分解失效了,阿皮威的时尚训练抓住了它们。
- 细毛线在背景上——α交配而不是硬多边形剪切.
- 部分显示背景的线条。
- 长的珠宝链,细化到背景像素宽度.
- 包带和皮带穿过身体的斜线.
- 玻璃和反射配件(日光镜,表晶体).
- 松开窗帘布 边界确实模糊不清
边界上的阿尔法交配
硬切除看起来很复杂。 管道在前地-后地边界运行一个有学识的α匹配通道,使像素部分透明,而不是完全进入或退出. 这使得毛发可以进入白色背景,而不是留下硬多边形边缘.
α通过与原始LLM输出进行校准:如果原始有柔软,阴霾的边缘(例如. 背部的镜头 交配会保留更多的柔软 如果原始的边缘是脆的(例如: 工作室照明 交配要紧
为何保护影子特别重要
阴影是人类视觉系统最重要的一个地面信号. 模型下没有接触阴影的时尚图像立刻读作复合——比意识眼能说明原因的快. 甚至一个20%不透明的小软阴影 将模型固定在地板上 并让输出感觉被拍照而不是拼合
具体来说,亚马逊政策遵守情况明确允许软阴影(规则是“纯白色背景”,而不是“产品下没有阴影”)。 阴影留在保险信封内,同时移除浮雕模型的文物.
性能形状
分流作为加工后管道的一部分进行。 生产GPU时每张图像大约0.5-1.0秒. 成本计入每批信用价格;没有单独的细列项目。
为什么我们建这个 而不是叫第三方API
现成分片API为照片和消费者使用案例的调制. 他们常常错过时尚特异的边缘案例(耶稣的铁链,纯粹的织物,投下阴影). 电话还收取费用,这样会使每发费用复杂化,打破一贷-平分一分定价模式。
接受过时尚特定数据培训的定制模型,能提供更好的产出,每次呼叫的边际成本为零。 工程投资在第一生产季度内还清.
看见分解结果了
生成任何 White Studio 图像 。 输出是分块后的结果——前题,并将阴影投在纯白的画布上. 150个一次性存款的免费账户船 足以检验真正的服装和边壳