Haces clic en un botón y un segundo después el fondo de tu foto ha desaparecido, sustituido por un limpio tablero de ajedrez de transparencia. Parece magia, pero no hay magia y, en IMG.DIY, tampoco hay servidor haciendo el trabajo. Esto es lo que ocurre de verdad entre el clic y el recorte.
El trabajo real: decidir qué píxeles son "sujeto"
Eliminar un fondo es en realidad un problema de etiquetado. Por cada píxel de tu imagen, el software tiene que responder una pregunta: ¿esto es parte del sujeto o parte del fondo? Hazlo con todos ellos y tienes una máscara, que es un mapa en blanco y negro donde el blanco significa "conservar" y el negro significa "borrar". Superpón la máscara sobre el original, descarta las zonas negras y obtienes tu recorte.
Esta tarea tiene un nombre en visión por computador: segmentación de imágenes. En concreto, la eliminación de fondos usa la segmentación de objetos salientes, lo que significa que el modelo intenta encontrar la única cosa de la que un humano diría que "trata" la foto y separarla de todo lo demás.
Cómo aprendió el modelo a ver el sujeto
El modelo no sigue reglas escritas a mano como "agarra la cosa con forma de persona". Es una red neuronal que se entrenó con decenas de miles de imágenes en las que un humano ya había dibujado la máscara perfecta a mano. Durante el entrenamiento, la red hacía una conjetura, se comparaba con la respuesta del humano y se ajustaba un poquito para equivocarse menos. Repite eso millones de veces y la red aprende los patrones visuales que separan un objeto en primer plano de su entorno: bordes, cambios de textura, enfoque, contraste, la forma en que un sujeto suele situarse cerca del centro.
El Eliminador de fondos de IMG.DIY usa modelos de la familia U²-Net, una arquitectura muy conocida para exactamente esto. Hay dos versiones disponibles:
- u2netp — un modelo pequeño y rápido de 4MB. Estupendo para sujetos nítidos y trabajo ágil.
- silueta — un modelo más grande de 43MB que produce bordes más limpios, mejor para recortes detallados.
Ambos toman tu imagen, la pasan por muchas capas de filtros aprendidos y devuelven esa máscara de conservar-o-borrar.
Por qué funciona en tu navegador en lugar de en un servidor
La mayoría de los eliminadores de fondos suben tu foto a un centro de datos, ejecutan el modelo en su hardware y devuelven el resultado. Eso funciona, pero significa que tu imagen se aloja, por breve que sea, en el ordenador de otra persona.
IMG.DIY lo hace de otra manera. El mismo tipo de red neuronal se ejecuta dentro de tu navegador usando dos tecnologías web:
- WebAssembly (WASM) permite al navegador ejecutar código compilado a velocidad casi nativa, que es lo que necesitan las matemáticas del modelo.
- ONNX Runtime es el motor que de verdad ejecuta el modelo entrenado en ese entorno.
El archivo del modelo se descarga una vez, y luego todo el cálculo ocurre en tu propia CPU (o GPU). Tu foto se lee del disco, se convierte en una cuadrícula de números, se empuja por la red y se reensambla como un recorte, todo sin que un solo byte salga de tu máquina.
Qué significa para ti el procesamiento en el navegador
De este diseño se desprenden tres consecuencias prácticas.
La privacidad es estructural, no una promesa. Muchos sitios dicen "no guardamos tus imágenes". Aquí la imagen nunca se envía a ninguna parte, así que no hay nada que guardar. Eso importa sobre todo con fotos de documentos de identidad, documentos, prototipos de producto o cualquier cosa que preferirías no entregar al servidor de un desconocido.
Funciona sin conexión. Como IMG.DIY es una PWA con un service worker, las herramientas siguen funcionando sin conexión. La eliminación de fondos tiene un asterisco: el modelo tiene que descargarse la primera vez (el archivo de 4MB o 43MB de arriba). Después de eso, puedes recortar fondos en un avión, un tren o una conexión de hotel deficiente.
No hay cola ni espera de subida. No compites con otros usuarios por un servidor compartido, y nunca esperas a que una foto grande se suba. La velocidad de procesamiento depende de tu propio dispositivo, así que un portátil moderno maneja la mayoría de las imágenes en un par de segundos.
Dónde siguen teniendo dificultades los modelos
Entender el mecanismo también te dice dónde falla. El detalle fino y vaporoso como los pelos sueltos o el pelaje es genuinamente difícil, porque una sola hebra es más fina que la confianza del modelo y puede adivinar "fondo" en el borde. Las escenas de bajo contraste (un gato gris en un sofá gris) le dan a la red poco que separar. Y un fondo cargado que se parezca al sujeto en color y textura puede confundir el etiquetado.
Para sujetos nítidos sobre un fondo diferenciado, los resultados son excelentes. Para los casos difíciles, un rápido retoque manual en los bordes remata el trabajo. En cualquier caso, todo el proceso ocurre en tu dispositivo, en una pestaña del navegador, en segundos, con un buen Eliminador de fondos cargando con el peso.