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）
by rainchu 12 月 27, 2024 | AI , 人臉辨識 , 圖型處理 , 繪圖
MBG-2-Studio 是一款基於 BRIA-RMBG-2.0 模型開發的開源應用程式，專門用於高效地移除和替換圖像背景，提供了背景移除、圖像合成、顏色分級和批次處理，可以用於電子商務、廣告製作、遊戲開發等多種場景。
主要功能：
背景移除 ：利用先進的 AI 技術，精確分離前景與背景，達到高精度的背景去除效果。拖放圖庫 ：用戶可以直接從圖庫中拖放處理後的圖像，進行背景替換和顏色調整。圖像合成 ：將處理後的圖像放置在新的背景上，並進行位置和大小的調整，以實現自然的合成效果。顏色分級 ：調整圖像的亮度、對比度、飽和度、色溫和色調，提升圖像質量。批次處理 ：一次性處理多張圖像，提高工作效率，適合需要大量處理的用戶。URL 支援 ：直接從 URL 加載圖像進行處理，方便處理線上圖片。
使用指南： 使用 node js 安裝
安裝 ：從 GitHub 頁面下載最新版本的安裝包，解壓後運行 install.js 進行安裝。啟動 ：安裝完成後，運行 start.js 啟動應用程式。背景移除 ：在「背景移除」標籤下，將需要處理的圖像拖放到指定區域，應用程式會自動進行背景移除。圖像合成 ：在「合成工作區」標籤下，從圖庫中拖放處理後的圖像到合成區域，調整位置和大小，選擇新的背景，並使用顏色分級工具進行調整。
使用 pip 安裝
安裝： 到 app 目錄下，執行 pip install -r requirements.txt啟動： 執行 app\app.py
相關資源： GitHub 頁面
by rainchu 12 月 3, 2024 | AI , 圖型處理
TryOffDiff ：開創虛擬脫衣的新方向
在電子商務與生成式模型的發展中，虛擬試穿（Virtual Try-On, VTON）技術早已佔據重要一席之地，讓用戶能在數位環境中模擬穿戴效果，但一項新興的任務——虛擬脫衣（Virtual Try-Off, VTOFF）正在改變我們對電子商務中的服裝數位化處理的理解。
什麼是 VTOFF？
虛擬脫衣（VTOFF）是可以從穿著者的單張照片中提取標準化的服裝影像，而不是僅僅模擬服裝穿著的效果，最大的好處是幫助你快速分離模特兒身上的衣服，VTOFF 的挑戰在於，如何準確捕捉服裝的形狀、材質與細節紋理，同時去除穿著者的影響，生成一個純粹且高還原度的服裝影像。
這項任務的核心價值在於：
提供標準化的服裝圖像，有助於電子商務中的產品展示。
評估生成式模型的重建能力，成為模型研究與改進的重要工具。
試用 VTOFF
TryOffDiff：專為 VTOFF 打造的生成模型
針對 VTOFF 的挑戰，TryOffDiff 模型應運而生。這是一種基於 Stable Diffusion 的生成架構，結合了 SigLIP
重建品質卓越 ：TryOffDiff 在處理服裝紋理、複雜細節以及準確的形狀表現上表現突出。簡化處理流程 ：不需要繁瑣的前處理與後處理步驟，顯著提高效率。改進的評估方法 ：傳統影像生成指標難以準確衡量重建品質，TryOffDiff 使用 DISTS（Deep Image Structure and Texture Similarity） 作為評估標準，提供更可靠的結果分析。
實驗成果與應用前景
TryOffDiff 的實驗基於改進版的 VITON-HD 資料集進行，結果顯示其重建表現超越現有基準方法。特別是在以下領域：
電子商務 ：幫助商家輕鬆生成標準化產品影像，提升顧客的購物體驗。生成式模型評估 ：作為生成模型評估的重要參考，推動更高還原度的技術研究。未來發展 ：激發針對高品質影像重建的新技術創新。
參考資料
近期留言