Wie Freistellen wirklich funktioniert — und wann es scheitert

Heraus kommt eine Maske, kein Ausschnitt

Das Modell sieht Ihr Foto an und gibt ein Graustufenbild derselben Form zurück: weiß, wo es sicher ist, dass dieses Pixel zum Motiv gehört, schwarz, wo es sicher Hintergrund ist, und jedes Grau dazwischen, wo es unsicher ist. Dieses Graustufenbild wird unmittelbar zum Transparenzkanal des Ergebnisses.

Es gibt also keine Kontur, keinen Pfad, und nichts wird nachgezeichnet. Zurück kommt Sicherheit, gezeichnet als Transparenz. Haare, Fell, Bewegungsunschärfe, Glas und Schatten landen in der Mitte dieses Bereichs — und die weiche Kante dort ist nicht ein schlechtes Modell, sondern ein ehrliches.

Das Modell sucht die eine auffällige Sache

U²-Net, das hier läuft, ist ein Netz zur Erkennung hervorstechender Objekte. Es wurde auf genau eine Frage trainiert: Was fällt in diesem Bild auf? Ein einzelnes Motiv vor einem einigermaßen ruhigen Hintergrund ist exakt sein Fall.

Geben Sie ihm ein Bild ohne eindeutige Antwort, verweigert es nicht — es legt eine schwache, unsichere Maske über alles. Wir haben vierundzwanzig Fotos hindurchgeschickt und die Alphawerte gelesen. Die zehn ohne einzelnes Motiv kamen als durchscheinende Schlieren oder als gar nichts zurück: eine Luftaufnahme von Wald ergab 0,0 % sichere Pixel und galt formal trotzdem als Erfolg.

Dieses Scheitern ist leise, und deshalb misst das Werkzeug die Maske inzwischen und sagt es Ihnen, statt Ihnen ein leeres PNG zu reichen.

• Geht: eine Person, ein Produkt auf einem Tisch, ein Haustier, ein Schuh, ein Fahrrad, ein Berg vor Himmel.
• Geht nicht: Menschenmengen, Verkehr, ein Tulpenfeld, ein Bücherregal, ein Korallenriff, Wald von oben.
• Dazwischen: eine Gruppe ähnlicher Objekte — einige kommen womöglich durch, und dann halb durchsichtig.

Warum Kanten weich werden und große Fotos schlechter aussehen

Das Modell sieht Ihr Bild unabhängig von seiner tatsächlichen Größe mit 320×320 Pixeln, und die Maske kommt ebenfalls mit 320×320 zurück. Um sie anzuwenden, muss sie auf die Originalmaße gedehnt werden. Bei einem Foto mit 4000 Pixeln deckt ein Maskenpixel rund ein Dutzend echte ab, und das sieht man an der Kontur.

Ein besseres Foto ändert daran nichts — das ist die Form des Verfahrens. Wenn Sie das Ergebnis klein verwenden, spielt es keine Rolle; wenn Sie es groß verwenden, schon.

Es gibt außerdem einen direkten Tausch zwischen Download und Qualität. Das schnelle Modell wiegt 4,4 MB, das genaue 168 MB: vierzigmal so viel, und am selben Foto sichtbar anders. Das kleine lässt gern einen blassen Geist des Hintergrunds stehen; das große trennt Haare und kleine Requisiten sauber ab.

Wann das Modell nicht auswählen sollte

Wenn auf dem Foto mehrere Objekte sind oder das gewünschte nicht der Star des Bildes ist, hilft keine bessere Modellqualität — es wurde nie gefragt, welches Sie meinen.

Dafür gibt es ein anderes Werkzeug. Der Klick-Ausschnitt schickt einmal einen schweren Encoder über das Bild und beantwortet danach jeden Klick nahezu sofort. Wir haben auf der CPU 6,0 Sekunden für den Encoder und 0,10 Sekunden pro Klick gemessen — nur deshalb kann das eine Oberfläche zum Klicken und Sehen sein statt zum Warten und Sehen. Ein Punkt erwischt meist einen Teil eines Objekts; der zweite sagt, was noch dazugehört.

Als PNG speichern, sonst ist die Transparenz weg

JPG hat überhaupt keinen Transparenzkanal. Speichern Sie einen Ausschnitt als JPG, bleibt der transparente Bereich nicht transparent — er kommt weiß oder schwarz zurück, und viele merken das erst hinterher. PNG und WebP führen beide Alpha; nehmen Sie eines davon.

Eines sollte man außerdem laut sagen: Die Fotos, die Menschen freistellen lassen, zeigen meist Menschen. Das läuft im Browser-Tab, das Bild geht also nirgendwohin — aber das Modell muss vorher geladen werden, und wir nennen die Größe, bevor Sie sich darauf einlassen.