Directrices y mejores prácticas #
La tecnología detrás de DropSpace se basa en una combinación de redes neuronales que se entrenaron en un gran conjunto de datos para crear mapas de segmentación precisos de objetos destacados y refinar esos mapas para separar con precisión los bordes del primer plano del fondo. Estas redes neuronales también se optimizaron para permitir la devolución del resultado en segundos, independientemente del tamaño de la imagen. 1
En la gran mayoría de los casos, estos algoritmos de aprendizaje profundo arrojan resultados de alta calidad. Las siguientes mejores prácticas pueden aumentar aún más la probabilidad de obtener buenos resultados:
- Asegúrese de que haya suficiente fondo alrededor de los objetos en primer plano en todos los lados.
- Trate de evitar sombras grandes. Esto es especialmente relevante si el fondo es de un solo color. Por ejemplo, si el sujeto principal se fotografía sobre un fondo de color claro y liso, la sombra del objeto podría clasificarse como parte del primer plano.
- En algunos casos, el cabello u otras partes muy pequeñas o borrosas en los bordes de un objeto en primer plano pueden mezclarse con el fondo. Por ejemplo, trate de evitar que los cabellos se muevan con el viento.
- En algunos casos, cambios fuertes en el contraste, como una lámpara brillante o un sol brillante incluido en la foto, pueden afectar los resultados.
- Los reflejos de color claro en un objeto brillante (por ejemplo, el brillo del flash de la cámara) pueden tratarse como parte del fondo y eliminarse, especialmente si el color del reflejo es similar al color de fondo principal.
Sin embargo, al igual que con cualquier algoritmo basado en Deep Learning, incluso si sigue estas pautas, es posible que los resultados no siempre sean perfectos. Además, tenga en cuenta que las redes neuronales se entrenan continuamente con nuevos datos y, por lo tanto, los resultados pueden ser diferentes con el tiempo.
