Orientações e Boas Práticas #
A tecnologia por trás do DropSpace baseia-se numa combinação de redes neurais que foram treinadas num grande conjunto de dados para criar mapas de segmentação precisos de objetos salientes e refinar esses mapas para separar com precisão as bordas do primeiro plano do fundo. Estas redes neurais também foram otimizadas para permitir a retornação do resultado em segundos, independentemente do tamanho da imagem. 1
Na grande maioria dos casos, estes algoritmos de aprendizagem profunda devolvem resultados de alta qualidade. As seguintes boas práticas podem aumentar ainda mais a probabilidade de bons resultados:
- Certifique-se de que há fundos suficientes em torno dos objetos de primeiro plano em todos os lados.
- Tente evitar grandes sombras. Isto é especialmente relevante se o fundo é uma única cor. Por exemplo, se o sujeito principal for fotografado contra um fundo de cor clara clara, a sombra do objeto pode ser classificada como parte do primeiro plano.
- Em alguns casos, o cabelo ou outras partes muito pequenas ou borradas nas bordas de um objeto de primeiro plano podem ser misturados com o fundo. Por exemplo, tente evitar que os pelos soim ao vento.
- Em alguns casos, mudanças fortes em contraste, como uma lâmpada brilhante ou um sol brilhante incluído na foto, podem impactar os resultados.
- Reflexos de cor clara num objeto brilhante (por exemplo, brilho do flash da câmara) podem ser tratados como parte do fundo e removidos, especialmente se a cor do reflexo for semelhante à cor de fundo principal.
No entanto, tal como acontece com qualquer algoritmo baseado em Deep Learning, mesmo que siga estas diretrizes, os resultados podem nem sempre ser perfeitos. Além disso, tenha em mente que as redes neurais estão continuamente a treinar novos dados e, portanto, os resultados podem ser diferentes ao longo do tempo.
