by Rain Chu 9 月 2, 2025 | AI , 圖型處理 , 模型
你是否曾想把自己的照片變成桌上擺放的公仔模型？現在可以透過 Google 最新的 Nano Banana 模型（亦稱 Gemini 2.5 Flash Image）！你只需在 Google AI Studio 或 Gemini App 上上傳人像照片，就能透過文字描述，生成一張效果逼真的「真人公仔照」，免費、免 VPN，簡單又好玩！
快速上手教學（適用 AI Studio 或 Gemini App）
前往 Google AI Studio 或使用 Gemini App 。
選擇模型為 Gemini 2.5 Flash Image（Nano Banana） 。
上傳你的照片（建議用正面自拍）。
輸入以下 prompt：
A hyper-realistic 1/7 scale figurine of a character, designed as a finished commercial product, placed on an iMac computer desk with a white Apple keyboard. The figurine stands on a clean, round transparent acrylic base with no labels or text. Professional studio lighting highlights the sculpted details. On the iMac screen in the background, display the ongoing ZBrush modeling process of the same figurine, showing the contrast between “work in progress” and the finished product. Next to the figurine, place its packaging box with rounded corners and a transparent front window. The box is open at the top, revealing only the inner transparent plastic clamshell, and its height is slightly taller than the figure, realistically sized to contain it.
約莫 10 至 12 秒後，Nano Banana 將生成一張高質感的“公仔照”。
若不滿意，可繼續輸入新的指令，進行多回合優化。
除了用 Gemini, Google AI Studio 之外，也有一個很親民的工具可以使用，Google Whisk 是 Google Labs 推出的一款 AI 圖像生成實驗工具，它的核心理念是「用影像提示取代文字提示」，讓創作過程更直觀、有趣又快速 。
使用方式總覽：
使用者可以上傳或拖曳多張圖片，分別指定為 主體 (Subject) 、場景 (Scene) 與 風格 (Style) 。
Whisk 會透過 Gemini 多模態 AI 生成每張圖片的描述（把圖像翻譯成文字），再透過 Imagen 3 來自動生成最終的合成圖像 。
若使用者沒有圖片，也可以點擊類似骰子的按鈕，讓 Whisk 自動產生候選圖像作為創作起點。
最終生成的作品同時附上自動生成的文字提示，使用者可收藏（favorite）、下載或進入「refine」（精修）模式繼續調整。
功能特色與優勢
特性 說明 直觀的視覺提示流程 不需撰寫冗長文字，只要用圖像即可引導 AI 創作，降低入門門檻。 高度創意自由度 主體、場景、風格可任意混搭，產出意想不到的視覺效果。 可精調的 prompt Whisk 生成的文字提示可供修改，讓你能微調構圖或細節。 迅速生成，適合腦力激盪 非用於精細修圖，而是強調快速試想與探索多種視覺可能性。
背後技術架構
Whisk 的生成流程依靠兩大 Google 強力 AI 模型：
Gemini ：將使用者上傳的圖片轉換成文字描述（Image → Text）。Imagen 3 ：根據 Gemini 輸出的描述，生成新圖像（Text → Image）。
這種「I2T 加 T2I」方式，讓工具更懂得捕捉「精髓」而非複製細節，有助於創造富有變化的視覺作品
應用場景與用戶心得
適用於：
創意構想 ：設計師、行銷、插畫師與教育者都能用它腦爆想法，例如試出角色在不同情境下的樣貌。教育工具 ：老師可以讓學生用上傳的照片快速生成故事插圖或原型設計。快速原型設計 ：用於生成貼紙、胸章、絨毛玩偶等產品概念，效率高又富創意。
最新資訊與發展動向
Whisk 自 2024 年底正式推出以來，已從初期美國限定，擴展至全球超過百個國家使用。
隨著技術升級，Whisk 已經從最初的 Imagen 3 模型，陸續升級到更新、更強的 Imagen 4，圖像品質更高。
雖然最近 Google 也廣為報導其視頻工具 Flow，但 Whisk 主要還是聚焦在圖像創作領域。
官網
https://aistudio.google.com/prompts/new_chat
https://gemini.google.com
參考資料
by Rain Chu 8 月 30, 2025 | AI , 圖型處理 , 數據分析
LaneSOD 是一套基於 InSPyReNet （逆向顯著性金字塔重建網路）而延伸出的開源模型，專門針對車道線分割（Lane Segmentation），應用於駕駛場景的 AI 視覺處理中。透過強大的顯著性檢測技術，LaneSOD 能精準辨識道路上的車道線，具備高準確度與可用性。
一、什麼是 LaneSOD？
核心技術 ：LaneSOD 架構於 InSPyReNet，後者是一種高解析度顯著性物件偵測模型，於 ACCV 2022 上提出，專門處理高解析度圖片的顯著性檢測，使用金字塔結構融合多階層特徵提高精度。執行場景 ：LaneSOD 適用於駕駛視角的車道識別，尤其在多車道或複雜光線下仍能穩定運作，是自駕輔助或智慧交通系統的理想工具。
二、快速上手：使用 LaneSOD 的流程概覽
以下以 Python + PyTorch 環境為基礎，簡述流程步驟：
安裝依賴與下載模型：
git clone https://github.com/plemeri/LaneSOD.git
cd LaneSOD
pip install -r requirements.txt 資料準備與推論：
from lanesod import LaneSODModel
model = LaneSODModel(pretrained=True)
# 載入測試影像
img = load_image("road_scene.jpg")
mask = model.predict(img)
save_image_mask("road_scene_mask.png", mask) mask 是二值化輸出，車道線處為前景。
可進行後處理（edge filtering）提升視覺辨識效果。
三、LaneSOD 的特色亮點
高解析度精準分割 ：繼承 InSPyReNet 的頂尖顯著性分析能力，即使複雜場景仍保持高精度。簡易套件整合 ：支援 CLI 和 Python API，開發者可快速整合至專案。應用靈活性高 ：適用於單張圖片、影片逐幀處理或即時影像分析。MIT 開源授權 ：自由使用並可擴展至商業應用。
四、實戰建議
強調後處理 ：可搭配 OpenCV 做 morphological operations（如 dilation, erosion）強化車道線連貫性。影片整合 ：巡迴處理影片每幀、並套用 temporal smoothing，可提升邊界一致性與視覺效果。多元測試場景 ：建議在白天、夜晚、陰影等多樣環境下測試模型穩定性。
原始資料
https://github.com/plemeri/LaneSOD
by Rain Chu 8 月 29, 2025 | AI , 圖型處理 , 影片製作
如何輕鬆地運用 AI 技術，讓影片或直播畫面擁有透明背景 ，無需繁鎖編輯與圖層操作！今天分享的工具是使用 InSPyReNet 提供的開源套件
工具簡介：什麼是 transparent-background[webcam]？
核心技術 ：基於 InSPyReNet（ACCV 2022）所提出的 AI 去背演算法，支援圖片、影片甚至 webcam 的背景移除功能 。Python 套件 ：名稱為 transparent-background，採 MIT 授權，可自由商業使用。強大特色 ：
支援多種輸出模式：如 RGBA（透明背景）、saliency map、綠幕、背景模糊、overlay 等。
支援 webcam 輸入，但 Linux 上需安裝 v4l2loopback 才能建立虛擬攝影機
安裝與依賴設定（含 webcam 支援）
安裝套件 ：
pip install transparent-background[webcam] 若使用 Linux，請安裝 webcam relay ：
git clone https://github.com/umlaeute/v4l2loopback.git && cd v4l2loopback
make && sudo make install
sudo depmod -a
sudo modprobe v4l2loopback devices=1
CLI 快速範例
transparent-background --source 0 --dest output_folder --type rgba 參數說明：
--source 0 表示 webcam 輸入（一般第一支 webcam 為 0）。--type rgba 代表輸出為帶 alpha 通道的透明背景影像。map、green、blur、overlay 或指定背景圖
用於單一影片檔案
Python API 範例：
讀取 webcam 並顯示去背畫面
import cv2
from transparent_background import Remover
remover = Remover()
cap = cv2.VideoCapture(0) # 開啟預設 webcam
while True:
ret, frame = cap.read()
if not ret:
break
# 處理去背結果（RGBA）
out = remover.process(frame, type="rgba")
cv2.imshow("Transparent Webcam", out)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
📖 transparent-background 參數說明
--source [SOURCE]（必填）指定輸入的資料來源，可以是：
單張圖片 ：例如 image.png圖片資料夾 ：例如 path/to/img/folder單個影片檔 ：例如 video.mp4影片資料夾 ：例如 path/to/vid/folder整數 ：用於指定 webcam 地址，例如 0（對應 /dev/video0 的攝影機）
--dest [DEST]（可選）輸出結果存放的資料夾，若未指定，則預設為當前工作目錄 。
--threshold [THRESHOLD]（可選）設定硬性去背的閾值，範圍為 0.0 ~ 1.0 。
不建議與 soft prediction 同時使用 ，若未設定，系統會使用「軟性預測」來生成更自然的透明效果。
--type [TYPE]（可選）選擇輸出的背景類型，預設為 rgba：
rgba ：輸出帶透明通道的影像（alpha map），若未設定 threshold，會自動透過 pymatting 進行前景提取。⚠️ 此模式不適用於影片或 webcam 。map ：輸出純粹的 saliency map（灰階遮罩）。green ：將背景換成綠幕。white ：將背景換成純白色（由 [carpedm20] 貢獻）。‘[255, 0, 0]’ ：使用指定的 RGB 顏色作為背景（需加單引號）。blur ：將背景模糊處理。overlay ：以半透明綠色覆蓋前景並突顯邊緣。另一張圖片 ：可指定圖片路徑（例如 samples/background.png），前景會直接疊加在該背景上。
--ckpt [CKPT]（可選）使用其他模型檔（checkpoint）。
--mode [MODE]（可選）指定運行模式：
base ：標準模式。base-nightly ：使用 nightly release 版本的 checkpoint。fast ：快速模式，速度快但可能在細節上略有損失。
其他選項
--resize [RESIZE]
static（預設）：輸出尺寸固定。dynamic：生成更清晰的邊緣，但可能不穩定。
--format [FORMAT]--reverse前景移除 、保留背景（官方玩笑稱為「transparent-foreground」模式 😆）。--jit
範例
單張圖片去背 （輸出透明 PNG）：
transparent-background --source input.png --dest output --type rgba 處理整個資料夾的圖片，並輸出模糊背景效果 ：
transparent-background --source ./images --dest ./results --type blur 即時 webcam 去背 （Linux 需安裝 v4l2loopback）：
transparent-background --source 0 --dest ./webcam_output --type green 更換背景為自訂圖片 ：
transparent-background --source video.mp4 --dest ./output --type 'backgrounds/bg.png' GUI 模式
安裝 GUI 支援
pip install --extra-index-url https://download.pytorch.org/whl/cu118 transparent-background[gui] # with gui dependency (flet) 開啟 GUI
transparent-background-gui 官方教學
VIDEO
官方網頁
https://github.com/plemeri/transparent-background
採用的演算法
https://github.com/plemeri/InSPyReNet
開源的後製影片軟體
https://kdenlive.org
參考資料
by Rain Chu 4 月 20, 2025 | AI , 圖型處理 , 影片製作 , 繪圖
Unwatermark.a i
🧩 Unwatermark.ai 的主要特色
✅ 完全免費，無需註冊
使用 Unwatermark.ai，你不需要提供任何個人資訊或創建帳號，只需打開網站，即可立即開始使用，省去繁瑣的註冊流程。
🎨 簡單的操作介面
上傳影片後，利用畫筆或矩形工具標記想要去除的字幕區域，AI 會自動分析並去除標記區域的字幕，同時填補背景，保持影片畫質清晰自然。
📁 支援多種影片格式
Unwatermark.ai 支援 MP4、AVI、MOV 等常見影片格式，無需擔心格式相容性問題。
⚡ 快速處理，節省時間
得益於高效的 AI 演算法，Unwatermark.ai 能夠在短時間內完成字幕去除，讓你快速獲得無字幕的影片。
💰 價格合理，選擇多樣
除了免費使用外，Unwatermark.ai 也提供多種付費方案，滿足不同用戶的需求。
🛠️ 如何使用 Unwatermark.ai？
打開網站 ：前往 Unwatermark.ai 官方網站 。上傳影片 ：點擊「上傳影片」按鈕，選擇你想要去除字幕的影片。標記字幕區域 ：使用畫筆或矩形工具，標記影片中需要去除的字幕位置。開始處理 ：點擊「開始去除」按鈕，AI 將自動處理影片。下載影片 ：處理完成後，下載無字幕的影片即可。
🎯 適合哪些人使用？
影片創作者 ：需要去除原始影片中的字幕，以便重新編輯或添加新的字幕。教育工作者 ：希望使用無字幕的影片作為教學素材。社群媒體使用者 ：想要分享無字幕的影片，提升觀賞體驗。初學者 ：沒有影片編輯經驗，但需要簡單快速地去除字幕。
參考資料
by Rain Chu 3 月 10, 2025 | AI , 圖型處理 , 影片製作
探索 Magnific 的圖片風格遷移功能
風格遷移（Style Transfer）是現在AI圖學中的一項創新技術，讓我們能夠將一張圖片的風格應用到另一張圖片上，創造出獨特且富有創意的視覺效果。Magnific 作為一款先進的 AI 圖像處理工具，近期推出了風格遷移功能，為用戶提供了更多元的創作可能性。
什麼是風格遷移？
風格遷移是一種基於卷積神經網絡（CNN）的技術，通過優化目標圖像，使其在內容上接近原始圖像，在風格上接近參考圖像，從而實現風格的遷移。這意味著，我們可以將一幅畫的藝術風格應用到一張照片上，或是將某種設計風格融入到現有的圖像中，創造出全新的視覺效果。
Magnific 的風格遷移功能特色
Magnific 的風格遷移功能在保留原圖結構的同時，成功地將參考圖的風格融入其中。這使得生成的圖像既保持了原始內容的清晰度，又展現了新的風格特徵。
主要參數解讀
Style Strength（風格強度） ：控制風格遷移的程度。建議初次使用時設置在 95% 左右，以最大程度地遷移參考圖的風格。Structure Strength（結構強度） ：決定保留原圖結構的程度。建議設置在 85% 以上，最好是 100%，以確保輸入圖像的線條和輪廓得以保留。Portrait（肖像模式） ：處理肖像時，務必啟用此選項。
Portrait Style（肖像風格） ：可根據個人喜好選擇「標準」、「流行」或「超流行」。Enhance（增強） ：若希望面部特徵更為明顯，可啟用此選項，但可能會導致相似度略有下降。
Fixed Generation（固定生成） ：啟用後，使用相同的設置（如提示詞、風格強度等）生成的圖像將始終相同。此功能主要用於模型微調和測試。Engine（引擎） ：建議選擇 Balanced（平衡）模式，效果均衡美觀，細節豐富。Real（真實）和 Super Real（超真實）適合生成寫實風格。Flavor（風味） ：若希望生成的圖片風格更接近參考圖，可選擇 Faithful。若希望色彩更豐富、藝術感更強，可選擇 GenZ 或 Psychedelia。
如何使用 Magnific 的風格遷移功能
上傳圖像 ：在 Magnific 的界面中，分別上傳要編輯的圖像和風格參考圖。設置參數 ：切換到風格遷移功能，填寫提示詞，並根據需要設置上述參數。生成圖像 ：點擊「Generate」按鈕，等待片刻，Magnific 即會生成一張融合了兩張圖片特徵的新圖像。放大與修復 ：最後，可使用 Upscale 功能放大圖像並修復一些細節，特別是面部細節。
Magnific 與 Midjourney 的比較
Magnific 的風格遷移功能與 Midjourney 的風格參考功能在算法上有所不同，導致了二者的差異。Midjourney 主要使用擴散模型（Diffusion Model），通過噪聲逐步擴散和去噪的過程來生成圖像。然而，這種方法對原始圖片的結構保留得並不好，生成的圖像往往在構圖和形狀上與原圖差異較大。而 Magnific 使用的是風格遷移技術，通過優化目標圖像，使其在內容上接近原始圖像，在風格上接近參考圖像，從而實現風格的遷移。在這個過程中，原始圖像的結構信息可以得到較好的保留。
Magnific 的風格遷移功能為用戶提供了一個強大且靈活的工具，能夠在保持原圖結構的同時，實現風格的創意轉換。無論是設計師、攝影師，還是普通用戶，都可以利用這項功能。
by Rain Chu 2 月 25, 2025 | AI , 圖型處理 , 繪圖
可以不要再用 photoshop 來摳圖了，Aiarty Image Matting AlphaStandard V2 在半透明物件的摳圖方面表現尤為出色，確保細節保留並與背景完美融合。
主要功能介紹
1. 多款 AI 摳圖模型 Aiarty Image Matting 提供四種 AI 模型，以應對不同類型的圖像：
AlphaStandard V2 ：適用於婚紗、玻璃、水滴等半透明物件，保留細緻邊緣與透明效果。AlphaEdge V2 ：針對邊緣處理優化，使摳圖效果更清晰細緻。EdgeClear V2 ：適合處理 電商產品圖 ，如服飾、鞋子、包包、電子產品等。該模型可有效增強邊緣清晰度，使產品與背景分離更加自然，並去除雜訊，確保產品輪廓銳利。這對於電商平台（如 Amazon、Shopee、蝦皮、京東）上的商品展示至關重要。SolidMat V2 ：專為堅固物件（如書籍、家具、衣物）設計，提供最佳輪廓識別。
2. 支援導出蒙版功能 Aiarty Image Matting 允許使用者導出 Alpha 蒙版（Mask） ，這項功能對於影像合成、特效處理和影像編輯極為重要。蒙版導出後，可在 Photoshop、Premiere Pro 或其他影像處理軟體中進一步編輯，方便用戶調整前景與背景的融合效果。
3. 高效批量處理 該工具支援一次處理多達 3000 張圖片 ，適合需要大量摳圖的設計師與影像後製團隊，大幅提升工作效率。
4. 多樣化背景處理 摳圖後的影像可選擇：
保留透明背景（.PNG）
替換純色背景
替換自定義背景（如模糊效果或其他圖片）
近期留言