Hintergrund-Entferner

Einen Hintergrund zu entfernen bedeutete früher entweder eine mühsame manuelle Auswahl in einem Bildeditor, oder ein Greenscreen-Aufbau, der der Software eine einfache, einheitliche Farbe zum Herausrechnen gab — beides funktioniert nicht bei einem gewöhnlichen Foto mit einem normalen, unruhigen Hintergrund. Der Ansatz, den dieses Tool stattdessen nutzt, ist ein neuronales Netz, trainiert an einer sehr großen Zahl von Fotos, die manuell markiert wurden mit genau der Grenze, wo das Motiv endet und der Hintergrund beginnt, bis das Netz die visuellen Muster erkennen lernte — Kanten, Tiefenhinweise, typische Motivformen —, die einen Vordergrund im Allgemeinen von dem trennen, was dahinter liegt. Bei einem neuen, nie gesehenen Foto erzeugt das Modell eine Maske: eine Pixel-für-Pixel-Schätzung, wie stark jeder Punkt zum Motiv oder zum Hintergrund gehört, die dann genutzt wird, um den Hintergrund transparent zu machen.

Das ist grundsätzlich eine statistische Vorhersage, keine geometrische Berechnung, und genau deshalb funktioniert es bei typischen Fotos bemerkenswert gut und trifft trotzdem gelegentlich bei einer verwirrenden Kante daneben — das Modell schätzt eine Grenze, die ihm nie explizit mitgeteilt wurde, basierend auf allem, was es aus Millionen anderer Fotos gelernt hat, statt eine Grenze mit Sicherheit zu messen.

Bis vor relativ kurzer Zeit bedeutete eine derart rechenintensive Aufgabe — ein echtes neuronales Netz über ein Foto in voller Auflösung laufen zu lassen — das Bild an einen Server mit GPU zu senden und auf eine Antwort zu warten, genau so, wie die meisten Hintergrund-Entfernungsdienste noch heute arbeiten. Zwei technische Entwicklungen haben das geändert: WebAssembly, das Code, der normalerweise nativ kompiliert und ausgeführt werden müsste, in einem Browser mit nahezu nativer Geschwindigkeit laufen lässt, und quantisierte Modelle — Versionen desselben neuronalen Netzes, intern auf kleinere, weniger präzise Zahlen komprimiert, was ein wenig Genauigkeit gegen eine drastisch kleinere Dateigröße und schnellere Ausführung eintauscht. Zusammen machen sie es praktikabel, ein echtes, funktionierendes KI-Modell an einen Browser-Tab auszuliefern und es auf dem jeweiligen Gerät laufen zu lassen, das der Nutzer gerade zur Hand hat, statt auf einem Server mit im Voraus bekannten und kontrollierten Spezifikationen.

Das Modell lokal laufen zu lassen bedeutet einen echten Download beim ersten Gebrauch dieses Tools — mehrere Dutzend Megabyte für Modell und Laufzeitumgebung —, was ein grundlegend anderes Kostenprofil ist als ein Tool, das nur Pixel manipuliert, die bereits mit ein paar Kilobyte JavaScript in Ihrem Browser liegen. Dieser Aufwand kauft einen echten, spürbaren Vorteil: Das Foto selbst wird nie irgendwohin übertragen, was von einem privaten Foto bis zu einem Produktbild unter Sperrfrist relevant ist, und es bedeutet, dass das Tool ohne jede Internetverbindung weiterläuft, sobald das Modell einmal geladen wurde. Ob dieser Tausch — ein größerer einmaliger Download gegen ein Bild, das das Gerät nie verlässt — sich lohnt, hängt davon ab, was die Alternative sonst an Privatsphäre kosten würde, und für die meisten Menschen, die ein Foto zu einem Hintergrund-Entfernungs-Tool hochladen würden, ist es ein Tausch, der sich wirklich lohnt.