نظرة متعمقة على نماذج الرؤية الحاسوبية والتعلم العميق التي تجعل إزالة الخلفية بالذكاء الاصطناعي سريعة ودقيقة ونظيفة بشكل مدهش، حتى على الشعر والفراء والزجاج والحواف المعقدة. بلا Photoshop، وبلا شاشة خضراء. نتائج فورية ومثالية بكسل بكسل خلال ثوانٍ.
هناك لحظة يعرفها كل محرّر صور جيدًا: حددت الخلفية، وضغطت على الحذف، فإذا بك بدلًا من قصاصة نظيفة تجد هالة من بكسلات بألوان خاطئة تتعلق بكل خصلة شعر. كانت هذه المشكلة تستهلك ساعات من العمل اليدوي باستخدام لوحة Wacom، أما اليوم فيحلّها نموذج ذكاء اصطناعي في أقل من ثانية. السؤال الحقيقي هو: كيف؟ ما الذي يحدث فعليًا داخل هذه النماذج حتى تنتج قصاصة بهذه النظافة التي تبدو وكأنها معالجة بشكل احترافي؟
يشرح هذا المقال العلم والبنية والواقع العملي لإزالة الخلفية بالذكاء الاصطناعي الحديث. ليس بمصطلحات مجردة، بل بالآليات الفعلية التي تجعل الدقة ممكنة بمستوى كان معظم المصورين يفترضون أنه يتطلب أيدي بشرية.
قبل دخول الشبكات العصبية إلى تحرير الصور، كانت إزالة الخلفية تعتمد على واحد من ثلاثة أساليب: التحديد القائم على اللون (أدوات العصا السحرية التي تكتشف نطاقات الألوان)، أو التحديد القائم على المسارات (رسم مسار متجهي يدويًا حول الشخص)، أو الفصل بالشاشة الخضراء (التصوير أمام لون موحد لفصله لاحقًا).
كان لكل طريقة عيب جوهري. فشل تحديد الألوان حين يشترك الشخص والخلفية في درجات متشابهة. كان العمل بالمسارات دقيقًا لكنه بطيء بشكل مرهق. أما الشاشة الخضراء فتتطلب ظروف تصوير مضبوطة لا يملكها معظم المصورين.
تتجاوز إزالة الخلفية بالذكاء الاصطناعي القيود الثلاثة كلها. فهي لا تبحث عن لون للخلفية، ولا ترسم الحواف يدويًا، ولا تحتاج إلى ظروف تصوير خاصة. بل تحلّل محتوى الصورة وتقرر ما هو الشخص وما هو الخلفية، بالطريقة نفسها التي تعمل بها عين الإنسان، لكن بيقين رياضي على مستوى البكسل.
| الطريقة | السرعة | جودة الحواف | الإعداد المطلوب |
|---|---|---|---|
| العصا السحرية | سريعة | ضعيفة | لا شيء |
| المسار اليدوي | بطيئة | ممتازة | لا شيء |
| الشاشة الخضراء | متوسطة | جيدة | نعم |
| نموذج الذكاء الاصطناعي | فورية | ممتازة | لا شيء |
لم تكن الصعوبة في إزالة الخلفية يومًا في مركز الشخص. لا أحد يجد مشكلة في محو السماء خلف الجبل. المشكلة دائمًا في الحواف: المكان الذي يلتقي فيه الشخص والخلفية ويتداخلان ويمتزجان على مستوى دون البكسل.
الشعر هو أصعب مثال. قد تكون خصلة واحدة بعرض بكسل واحد، وشبه شفافة عند طرفها، ومحاطة بضبابية خلفية (bokeh) من لون خلفية مختلف تمامًا. لا تتعامل أي خوارزمية لتحديد الألوان مع هذا بوضوح، لأن بكسل الشعر غالبًا ما يكون مزيجًا رياضيًا من قيم الشخص والخلفية معًا. هذا الغموض بالذات هو ما صُممت نماذج الذكاء الاصطناعي لحله.
المهمة الأساسية التي تقف خلف إزالة الخلفية بالذكاء الاصطناعي تسمى التجزئة الدلالية (semantic segmentation). فبدلًا من التعامل مع الصورة كشبكة من الألوان، يتعامل النموذج معها كشبكة من المعاني. يُصنَّف كل بكسل: هل هذا البكسل جزء من شخص؟ أم من السماء؟ أم من سيارة؟ أم من كلب؟
تُدرَّب نماذج التجزئة على ملايين الصور التي وسم فيها البشر كل بكسل يدويًا حسب فئته. وبعد معالجة عدد كافٍ من الأمثلة الموسومة، تبني الشبكة العصبية أنماطًا إحصائية تمكّنها من إسناد تسميات لبكسلات لم تصادفها من قبل.
الناتج هو قناع (mask): صورة ثنائية أو رمادية بالحجم نفسه للصورة الأصلية، حيث يعني الأبيض "المقدمة" والأسود "الخلفية". ثم يُطبَّق هذا القناع على صورتك لإنتاج القصاصة الشفافة.
البنية المحددة التي تستخدمها معظم نماذج إزالة الخلفية تسمى الشبكة التلافيفية الكاملة (FCN)، أو إحدى نسخها اللاحقة مثل U-Net أو SegFormer. ما يميّز هذه البنى أنها تعالج الصور بمقاييس متعددة في الوقت نفسه.
تكشف الطبقات الأولى عن الخصائص منخفضة المستوى: الحواف والتدرجات وانتقالات الألوان. وتجمع الطبقات الأعمق هذه الخصائص في تمثيلات أعلى مستوى: هذه المجموعة من الحواف وألوان البشرة غالبًا وجه، وهذه المجموعة من التدرجات الرفيعة المنحنية غالبًا شعر. ثم تعمل الشبكة عكسيًا من هذا التفسير عالي المستوى، فتمرر المعلومات مرة أخرى إلى مستوى البكسل لتحسم تصنيف كل بكسل.
تتيح هذه بنية المشفّر-المفكّك (encoder-decoder) للنموذج أن يكون صحيحًا على المستوى الكلي (يعرف أن هناك شخصًا)، وفي الوقت نفسه دقيقًا على المستوى الجزئي (يعرف بالضبط أي بكسل هو آخر بكسل ينتمي إلى ذلك الشخص).
💡 وصلات التخطي في U-Net تحافظ على التفاصيل عالية الدقة من الطبقات الأولى للشبكة وتعيدها إلى مرحلة الناتج. وبدونها، فإن التفاصيل الدقيقة مثل أطراف خصلات الشعر الفردية ستُنعَّم بفعل عمق المعالجة.
تنتج التجزئة الثنائية (أقنعة صلبة بيضاء وسوداء) نتائج نظيفة في وسط الشخص، لكنها تخلق حوافًا متعرجة تبدو مصطنعة. والتقنية التي تحل هذه المشكلة تسمى الفصل الألفي (alpha matting).
بدلًا من إسناد قيمة 0 أو 1 لكل بكسل، يسند الفصل الألفي قيمًا بين 0 و1. فالبكسل الذي يكون 40% شخصًا و60% خلفية تكون قيمته الألفية 0.4. وعند تطبيق هذا القناع شبه الشفاف على الصورة، تحترم النتيجة الامتزاج الطبيعي الموجود عند كل حافة واقعية.
لهذا تبدو الشعرة المُزالة بالذكاء الاصطناعي حقيقية لا مقصوصة بالمقص. فكل خصلة تُسند لها قيم ألفية كسرية تحفظ شفافيتها الطبيعية وامتزاج ألوانها مع أي خلفية جديدة توضع خلفها. وتجمع النماذج الحديثة بين التجزئة وخطوة تحسين فصل قائمة على التعلم: يحدد مسار التجزئة منطقة الشخص العامة، ثم يُركّز مسار الفصل على مناطق الحواف غير المؤكدة ليحسّن قيمة ألفا لكل بكسل بدقة عالية.
يكتسب نموذج إزالة الخلفية قدراته من الأمثلة. وهذه الأمثلة عبارة عن صور مقرونة بأقنعة ألفا أُنشئت يدويًا: أقنعة مثالية بكسل بكسل يصنعها محرّرون محترفون، وقد يستغرق إنتاج بعضها ساعات لكل صورة حتى تكون صحيحة.
تحتوي مجموعات بيانات مثل DUTS وHuman Matting وPhotoMatte على عشرات الآلاف من أزواج الصورة والقناع. يتدرب النموذج بمقارنة القناع المتوقع بالقناع المرجعي الحقيقي، ثم يعدّل أوزانه الداخلية لتقليل الفرق بينهما.
بعد عدد كافٍ من خطوات التدريب، يصبح النموذج قادرًا على التعميم. لم يعد يحتاج إلى أن يكون قد رأى شخصًا أو حيوانًا أو منتجًا بعينه من قبل. لقد بنى تمثيلًا داخليًا لما يبدو عليه "المقدمة" من الناحية البصرية، ويطبّق هذا التمثيل على أي صورة جديدة.
يُعد تعزيز البيانات (data augmentation) مهمًا أيضًا أثناء التدريب. فالصورة نفسها تُعرض على النموذج بقصّات مختلفة وانعكاسات ومستويات سطوع وتباين متنوعة. وهذا يجبر النموذج على التركيز على الخصائص البنيوية والدلالية بدلًا من حفظ أنماط بكسلات بعينها، وهو ما يجعله يعمل بموثوقية على صور لم يرها من قبل.
في أبحاث إزالة الخلفية، يُعد الأداء على الشعر الاختبار المعياري لمعرفة ما إذا كان النموذج قادرًا فعلًا. أي شخص يستطيع قصّ سيارة أو مبنى. المعيار الحقيقي هو امرأة بشعر متطاير أمام نافذة مشرقة، أو قطة بأطراف فرو شفافة أمام سجادة مزخرفة.
النماذج التي تتعامل مع الشعر جيدًا دُرِّبت على مجموعات بيانات مستهدفة تُكثر من هذه الحالات الصعبة. كما دُرِّبت بدوال خسارة تعاقب الأخطاء عند حواف الشعر أشد من الأخطاء في وسط المناطق الكبيرة المتجانسة.
والنتيجة نموذج طوّر حساسية محددة للأنماط البصرية للشعر: بنى رفيعة متوازية، وتغيّرات تدريجية في العتامة، وتباينات نسيج عالية التردد عند الأطراف. هذه الحساسية هي ما ينتج القصاصات النظيفة التي تبدو معالجة باحتراف.
أكبر تطبيق تجاري لإزالة الخلفية هو تصوير المنتجات. يحتاج كل تاجر إلكتروني إلى صور منتجات على خلفيات بيضاء أو شفافة. تقليديًا، كان هذا يعني تكليف محرّرين بقصّ كل وحدة يدويًا، وكانت الكتالوجات الكبيرة تكلّف آلاف الدولارات وأسابيع من وقت المعالجة.
قلّص الذكاء الاصطناعي لإزالة الخلفية هذا العمل إلى دقائق. يمكن معالجة دفعة من 500 صورة منتج تلقائيًا في الوقت الذي كان يستغرقه قصّ عنصر معقد واحد يدويًا. الجودة ثابتة، والتكلفة جزء بسيط من العمل اليدوي، وملف PNG الشفاف يُدرج مباشرة في أي تخطيط للموقع دون معالجة إضافية.
غالبًا ما تحتاج الصور الشخصية الاحترافية وصور LinkedIn الشخصية إلى استبدال خلفية نظيفة. سواء أرادها العميل المؤسسي بيضاء أو بلون مخصص للعلامة التجارية، يجب عزل الشخص بشكل نظيف أولًا.
تتعامل إزالة الخلفية بالذكاء الاصطناعي مع البورتريهات بموثوقية عالية، لأن الوجوه وأجساد البشر هي الفئة الأكثر تمثيلًا في بيانات التدريب. فقد عالج النموذج ملايين الأشخاص في ملايين ظروف الإضاءة، وبنى تمثيلات متينة لتشريح الجسم البشري تجعل استخراج المقدمة موثوقًا حتى مع الشعر المعقد واللحى وتفاصيل الأقمشة الدقيقة عند حافة الملابس.
بعيدًا عن الاستخدامات الوظيفية، تُعد إزالة الخلفية أداة إبداعية قوية. يركّب المصورون الأشخاص على خلفيات مختلفة تمامًا، كوضع صورة استوديو في منظر طبيعي درامي، أو وضع لقطة منتج أمام سياق نمط حياة لم يُصوَّر فيه أصلًا.
كلما كانت القصاصة الأولية أنظف، كان التركيب أكثر إقناعًا. فعندما يحفظ قناع ألفا بدقة الحواف شبه الشفافة مثل الشعر أو الأقمشة الرقيقة، تحترم النتيجة المركّبة امتزاج الإضاءة الطبيعي وتبدو تصويرًا فوتوغرافيًا لا صورة ملصوقة.
يقدم PicassoIA نموذج Bria Remove Background بوصفه نموذجه المخصص لإزالة الخلفية. مبني على بنية تجزئة عالية الأداء مضبوطة بدقة للتطبيقات التجارية، وينتج أقنعة ألفا نظيفة مناسبة للتجارة الإلكترونية والبورتريه والعمل الإبداعي الاحترافي.
استخدام Bria Remove Background يستغرق ثوانٍ:
لا توجد إعدادات تحتاج إلى ضبط، ولا معلمات تحتاج إلى تعديل في الحالات المعتادة. يتولى النموذج التعقيد داخليًا.
رغم التقدم الكبير الذي حققته إزالة الخلفية، ما زالت أنواع معينة من الصور تدفع النماذج إلى أقصى حدودها:
تستجيب معظم هذه الحالات الحدّية لتعديلات بسيطة أثناء التصوير أكثر من حيل ما بعد المعالجة. صوّر الزجاج أمام خلفية نظيفة ذات فصل لوني قوي. استخدم عاكسًا لإضافة تباين في حالات الداكن على الداكن. وجمّد الحركة بسرعة غالق أعلى. هذه هي المبادئ نفسها التي يطبقها المصورون أصلًا في العمل داخل الاستوديو المضبوط، لكن على أي خلفية طبيعية.
عندما لا يمكن تعديل اللقطة الأصلية، فإن تشغيل ناتج الذكاء الاصطناعي عبر تحسين يدوي قصير يستغرق وقتًا أقل بكثير من البدء من الصفر. يُنجز الذكاء الاصطناعي 95% من العمل، وتتكفل دقيقة من تنظيف الحواف بالباقي.
أسرع طريقة لتقدير ما يمكن أن تفعله إزالة الخلفية بالذكاء الاصطناعي حقًا هي تشغيله على صورة سبق أن حاولت قصّها يدويًا. اختر صورة فيها شعر معقد أو حواف أقمشة دقيقة، من النوع الذي كان سيستغرق 30 دقيقة في Photoshop، وضعها في Bria Remove Background على PicassoIA.
الفجوة بين ما توقعته وما تحصل عليه هي أوضح دليل على كل ما وُصف في هذا المقال. فكل حافة نظيفة، وكل خصلة شعر محفوظة، وكل قيمة ألفا دقيقة، هي نتاج ملايين صور التدريب وسنوات من تحسين البنية، مضغوطة في نتيجة تظهر خلال ثوانٍ.
إلى جانب إزالة الخلفية، يقدم PicassoIA مجموعة كاملة من إمكانات تحرير الصور. تقوم فئة الدقة الفائقة برفع جودة الصور دون تشوّهات. وتمنحك مجموعة تحويل النص إلى صورة 91 نموذجًا لإنشاء صور جديدة من الأوصاف المكتوبة. إزالة الخلفية أداة واحدة ضمن سير عمل إبداعي أوسع، وبقية المنصة مبنية بالمعيار نفسه من الدقة.
ابدأ بصورة واحدة، وخلفية واحدة، ونقرة واحدة.
اختر لغتك
