Você clica em um botão e, um segundo depois, o fundo da sua foto sumiu, substituído por um xadrez limpo de transparência. Parece mágica, mas não há mágica e, no IMG.DIY, também não há servidor fazendo o trabalho. Aqui está o que realmente acontece entre o clique e o recorte.
O verdadeiro trabalho: decidir quais pixels são "sujeito"
Remover um fundo é, na verdade, um problema de rotulagem. Para cada pixel da sua imagem, o software precisa responder a uma pergunta: isto faz parte do sujeito ou faz parte do fundo? Faça isso para todos e você terá uma máscara, que é um mapa em preto e branco onde branco significa "manter" e preto significa "apagar". Coloque a máscara sobre o original, jogue fora as áreas pretas e você tem o seu recorte.
Essa tarefa tem um nome na visão computacional: segmentação de imagem. Especificamente, a remoção de fundo usa segmentação de objeto saliente, ou seja, o modelo tenta encontrar aquilo que um humano diria que a foto é "sobre" e separá-lo de todo o resto.
Como o modelo aprendeu a enxergar o sujeito
O modelo não segue regras escritas à mão como "pegue a coisa com formato de pessoa". Ele é uma rede neural que foi treinada com dezenas de milhares de imagens nas quais um humano já havia desenhado a máscara perfeita à mão. Durante o treino, a rede fez um palpite, foi comparada à resposta do humano e se ajustou um pouquinho para errar menos. Repita isso milhões de vezes e a rede aprende os padrões visuais que separam um objeto em primeiro plano do que está ao redor: bordas, mudanças de textura, foco, contraste e o jeito como um sujeito costuma ficar perto do centro.
O Removedor de Fundo do IMG.DIY usa modelos da família U²-Net, uma arquitetura bem conhecida exatamente para isso. Duas versões estão disponíveis:
- u2netp — um modelo pequeno e rápido de 4MB. Ótimo para sujeitos nítidos e trabalho ágil.
- silueta — um modelo maior de 43MB que produz bordas mais limpas, melhor para recortes detalhados.
Ambos recebem sua imagem, passam-na por muitas camadas de filtros aprendidos e produzem aquela máscara de manter-ou-apagar.
Por que roda no seu navegador em vez de um servidor
A maioria dos removedores de fundo envia sua foto para um data center, roda o modelo no hardware deles e devolve o resultado. Isso funciona, mas significa que sua imagem fica, por mais breve que seja, no computador de outra pessoa.
O IMG.DIY faz diferente. O mesmo tipo de rede neural roda dentro do seu navegador usando duas tecnologias web:
- WebAssembly (WASM) permite ao navegador executar código compilado, com velocidade quase nativa, que é o que a matemática do modelo precisa.
- ONNX Runtime é o motor que realmente executa o modelo treinado nesse ambiente.
O arquivo do modelo é baixado uma vez, e depois toda a computação acontece na sua própria CPU (ou GPU). Sua foto é lida do disco, transformada em uma grade de números, empurrada pela rede e remontada como um recorte, tudo sem que um único byte saia da sua máquina.
O que o processamento no navegador significa para você
Três consequências práticas surgem desse desenho.
A privacidade é estrutural, não uma promessa. Muitos sites dizem "não guardamos suas imagens". Aqui a imagem nunca é enviada a lugar nenhum, então não há nada para guardar. Isso importa mais para fotos de documentos, papéis, protótipos de produtos ou qualquer coisa que você prefira não entregar ao servidor de um estranho.
Funciona offline. Como o IMG.DIY é um PWA com um service worker, as ferramentas continuam funcionando sem conexão. A remoção de fundo tem um asterisco: o modelo precisa ser baixado na primeira vez (o arquivo de 4MB ou 43MB citado acima). Depois disso, você pode recortar fundos em um avião, um trem ou uma conexão instável de hotel.
Não há fila nem espera de upload. Você não está disputando um servidor compartilhado com outros usuários, e nunca espera uma foto grande ser enviada. A velocidade de processamento depende do seu próprio dispositivo, então um notebook moderno lida com a maioria das imagens em poucos segundos.
Onde os modelos ainda têm dificuldade
Entender o mecanismo também mostra onde ele falha. Detalhes finos e esvoaçantes, como fios de cabelo soltos ou pelos, são genuinamente difíceis, porque um único fio é mais fino do que a confiança do modelo e ele pode chutar "fundo" ao longo da borda. Cenas de baixo contraste (um gato cinza num sofá cinza) dão à rede pouco para separar. E um fundo carregado que se parece com o sujeito em cor e textura pode confundir a rotulagem.
Para sujeitos nítidos sobre um fundo distinto, os resultados são excelentes. Para os casos difíceis, um retoque manual rápido nas bordas finaliza o trabalho. De qualquer forma, todo o processo acontece no seu dispositivo, em uma aba do navegador, em segundos, com um bom Removedor de Fundo fazendo o trabalho pesado.