图像分割(Segmentation)
图像分割(Segmentation)是什么？
图像分割是 AI 精确识别图像中哪些像素属于哪个对象的能力:例如,把一个人与背景精准地勾勒分开。它正是自动背景去除、智能转描与选择性编辑得以实现的基础。
一图看懂
- 别称
- 图像分割语义分割实例分割抠像
- 主要用途
- 转描与背景去除选择性调色为视觉特效分离对象AI 局部重绘与扩图场景理解
- 常用工具
- Meta SAMAdobe fireflyDaVinci resolveAfter effects roto brushTopaz video AIRunway
- 相关术语
- MaskingRotoscopingInpaintingOptical flowObject persistence
准备好开始创作了吗？
执导场景、设计角色、完成整部影片
一站式 AI 创作平台，定价简单透明，无速度节流，搭配无限 Canvas，让创作发挥到极致。
对比与差异
物体检测识别图像中存在哪些对象并为其绘制边界框,但不确定每个对象的精确像素边界。分割更进一步,产出精确的像素级掩膜。对许多视觉特效应用而言,边界框精度不足:你需要一张干净、帧级精确的掩膜,这使分割成为合适的工具。
可以这样理解…
分割就像图片社里一位熟练的裁切师:给他一份杂志跨页,他拿起剪刀,沿着每个人、每辆车、每棵树精确剪下,不是随便框个大致的方块,而是严丝合缝地沿着每条轮廓走。结果是一叠可任意重新组合的、单独剪下的元素。AI 分割就是为视频的每一帧自动完成同样的事。
实用提示
用 AI 分割工具做转描时,务必检查主体边缘处的输出掩膜:头发、细薄织物与运动模糊始终是分割模型最难处理的区域,在正常视图下不易察觉的细小边缘误差,放到大屏幕上或经过调色后会变得明显。在合成前,对这些区域使用边缘细化工具或人工修整环节。
类型与变体
分割分为若干技术子类型。语义分割把每个像素分配到某个类别(天空、人、汽车),但不区分同一类别的多个实例。实例分割识别并分别为每个不同对象实例生成掩膜:把人物 A 与人物 B 区分开。全景分割结合两种方法,为每个像素同时标注类别与实例 ID。视频对象分割在时间维度上跨帧跟踪某个指定对象。可提示式分割(如 SAM)允许用户交互式地指定要分割的对象,无需按类别预训练。每种子类型在制作工作流中都有不同的应用与精度特性。
准备好在 Morphic 里做第一个场景了吗？
试用 Morphic常见使用场景
分割在视觉特效与后期制作中应用广泛。在合成中,它支持精准的主体提取,用于绿幕替换与不露痕迹的布景延伸。在调色中,它允许对皮肤、天空或衣物进行选择性调整,而无需手动遮罩。在 AI 生成工作流中,它识别区域以进行有针对性的局部重绘或风格迁移。在虚拟制作监看中,实时分割可检测主体位置并驱动现场增强现实元素。在纪录片与新闻制作中,使用 AI 分割的自动背景替换让外景记者无需实体绿幕也能合成进演播室环境。
准备好开始创作了吗？
执导场景、设计角色、完成整部影片
一站式 AI 创作平台，定价简单透明，无速度节流，搭配无限 Canvas，让创作发挥到极致。
常见问题（FAQ）
SAM 是 Meta AI 于 2023 年发布的一款可提示式分割模型,在超过十亿条掩膜标注上训练而成。它的重要性在于其通用性:SAM 并非被训练去分割特定类别,而是能基于一次点选、一个边界框或一段文字提示,分割几乎任何图像中的几乎任何对象。这使它成为构建定制分割工具的多功能基础。
细发丝、毛皮、半透明织物以及透明或反光表面对所有分割模型来说仍然困难。尽管精度已大幅提升,这些情形在专业制作中通常仍需人工细化。把 AI 分割与专门的抠像算法(它们能更好地处理柔软、半透明的边缘)结合使用,效果最佳。
可以:更轻量、经过优化的分割模型能在现代 GPU 上实时运行,某些情况下甚至能在 CPU 上运行。实时分割被用于视频会议背景去除、直播特效,以及越来越多的现场虚拟制作监看工具中。
人工转描需要艺术家逐帧手绘主体周围的掩膜:极其耗时,但能达到完美的精度。AI 分割能在数秒内自动产出从良好到出色的结果,但通常需要一次复核与修正环节。对大多数制作而言,如今 AI 分割提供基础掩膜,再由艺术家加以细化,而不是从零开始绘制。
分割识别出要被局部重绘的具体区域:例如,分离出一个待移除的多余对象。随后,分割掩膜被传递给局部重绘模型,由它用与上下文相符的内容填充被遮罩的区域。精确的分割掩膜与更干净的重绘结果直接相关,因为不精确的掩膜会造成可见的边界瑕疵。
单帧分割把每张图像独立处理。时间维度的视频分割在帧间维持一致的对象身份,跟踪掩膜如何随主体移动而演变。这要求模型在帧间关联特征、抵抗漂移并干净地处理遮挡:比逐帧处理难得多,对专业合成用途也更重要。
