Tausta eraldamine ilma rohelise ekraanita: mida tehisintellekt täna tegelikult suudab — ja mis see maksab
„Tehisintellektiga ei ole teil enam rohelist kangast vaja." See lause on nüüdseks peaaegu igas voldikus. See on tõsi — osaliselt. Mida selle kõrval kunagi ei seisa, on numbrid, millest saalis kõik sõltub: kui kaua eraldamine kestab, millisel riistvaral ja mis juhtub, kui need kaks kokku ei sobi.
Me mõõtsime järele, neljal ehtsal 30-megapikslisel kaamerafotol. Tulemused on ebamugavamad kui voldik.
Mis on tehniliselt „tehisintellektiga eraldamine"
Mudel hindab iga piksli kohta, kui palju see motiivi juurde kuulub — mitte ainult jah või ei, vaid osaliselt. Just see on juuste puhul määrav: üksainus salk katab pikslist kolmkümmend protsenti, ja kes teeb sellest kõva jah või ei, saab välja lõigatud papist kuju, mille kõik kohe ära tunnevad.
Perekondi on kaks. Väikesed mudelid arvutavad millisekunditega ja on tarkvara sees. Suured mudelid näevad juuksepiiril tunduvalt rohkem, kuid kaaluvad pool gigabaiti ja arvutavad vastavalt kauem.
Number, mida keegi ei nimeta: arvutusaeg
Mõõdetud 30-megapikslisel fotol, iga kord mudeli puhas arvutusaeg:
- Sisseehitatud mudel: 0,2 sekundit graafikakaardiga — 0,85 sekundit ilma.
- Suur mudel: 2,5 kuni 3,0 sekundit graafikakaardiga — 23 sekundit ilma.
Sama fail, sama programmikood, kaheksakordne vahe. Seda ei otsusta tarkvara, vaid arvuti laua all. Ja 23 sekundit ei ole „veidi aeglasem": nii kaua seisab külaline punkti ees, teadmata, kas midagi veel tuleb.
Küsimus tarnijale ei kõla seega „Kas te oskate tehisintellektiga eraldamist?", vaid: „Kui kaua see kestab täpselt sellel arvutil, mida ma kasutan?" Kes ei suuda mõõdetud numbrit nimetada, pole seda kunagi kontrollinud. BoothDockis on aeg iga mudeli kõrval — mõõdetud punktil endal, mitte üle võetud meie dokumentatsioonist.
Suurem eraldusvõime teeb asja halvemaks, mitte paremaks
Iseenesestmõistetav mõte: kui serv on kehv, arvutan kõrgemas eraldusvõimes. Tõsi on vastupidine — ja selle vea tegime ise.
Eraldamismudelit treenitakse kindlal pildisuurusel, tavaliselt 512 pikslit. Kui anda talle 2048, ei muutu tema teravus, vaid vaateväli: ta näeb ainult väljalõikeid ega tunne inimest enam tervikuna ära. Tulemus laguneb kildudeks. Liugur, mis ulatub 4096-ni, ei ole seega kvaliteedimärk, vaid lõks.
Vastupidi aga samuti ei kehti. 512 juures kaotas seesama mudel 30-megapikslisel fotol terve õla — tume jope tumeda lehestiku ees, mudeli jaoks liiga vähe erinevust. Mõlemal juhul oli õige 1024. Kui keegi näitab teile kvaliteediliugurit, küsige, millel mudelit treeniti. Kõik sellest kõrgemal ei ole varu, vaid risk.
Järjekord, mille enamik valesti teeb
Peaaegu iga fotoboks pakub filtreid — mustvalge, seepia, tugevad värvid. Ja peaaegu kõikjal arvutatakse filter esmalt pilti sisse ja alles seejärel eraldatakse. See on täpselt vastupidi, kolmel põhjusel:
- Rohelise varjundi eemaldamine arvutab ehtsa rohelisega. Pärast sooja filtrit ei ole roheline enam roheline.
- Serva viimistlemine orienteerub värvipildi järgi. Ehtsatel fotodel mõõdetuna: värviga parandab see serva neljateistkümne protsendi võrra, mustvalgel pildil halvendab kahekümne ühe protsendi võrra. Monofilter võtab talt just selle, mida ta töötamiseks vajab.
- Mudelit treeniti loomulikel fotodel. „Pop"-ilme on tema jaoks pildimüra.
Õige on: kõigepealt eralda, seejärel aseta ilme valmis pildi peale — siis katab see ka uue tausta, mis on niikuinii ühtsem. Esitlusel laske teha foto tugeva mustvalge filtri ja eraldamisega. Juuksepiiril näete kohe, mis järjekorras arvutatakse.
Millal roheline kangas siiski võidab
Tehisintellekt ei asenda rohelist ekraani kõikjal. Kolm põhjust räägivad endiselt kanga kasuks:
- Külaline näeb end taustal ette ära. Chroma key jookseb otsijas praktiliselt ilma viivituseta. Suur tehisintellekti mudel vajab ligi kolm sekundit — reaalajavaate jaoks liiga aeglane.
- See töötab igal riistvaral. Roheline kangas ei vaja graafikakaarti, vaid ühtlast valgust.
- See on ettearvatav. Hästi valgustatud roheline annab alati sama tulemuse. Tehisintellekt on keeruliste motiivide puhul kord parem, kord halvem.
Tehisintellekt võidab seal, kus kanga jaoks ruumi ei ole, kus ülesseade peab viie minutiga püsti olema — ja külaliste puhul, kel on kübar, prillid või üles tõstetud rekvisiidid, mille peal chroma key meelsasti komistab.
Millele ostmisel tähelepanu pöörata
- Laske näidata mõõdetud arvutusaega teie riistvaral, mitte tarnija esitlusmasinal.
- Küsige, kas on olemas tagasilangus kiirele mudelile, kui arvuti on liiga aeglane — muidu ootab külaline.
- Kontrollige filtri ja eraldamise järjekorda tugeva ilmega pildil.
- Küsige treeningeraldusvõimet, enne kui kvaliteediliugurit üles tõmbate.
- Laske tulemust näidata originaalsuuruses, mitte pisipildina. Kaheksasaja piksli laiuselt näeb iga eraldus hea välja.