Как ИИ отличает ткань от фона при автоматической обтравке

Каждый продавец на маркетплейсе рано или поздно упирается в фотографии. Ты снял сорок футболок, а перед публикацией ещё нужно отделить их от студийного фона — быстро, без ретушёра и без ручного обводки лассо по каждому шву. Здесь на сцену выходит нейросеть, и первый вопрос, который возникает у продавца: ИИ обтравка как работает, если алгоритм в глаза не видел ни мою куртку, ни мои ботинки? Ответ короткий: модель научилась отличать пиксели ткани от пикселей студийного бэкграунда так же, как это делает человек, только не за час ретуши, а за две секунды. Разберём, что происходит внутри модели, когда она видит фото свитера, ботильона или пуховика, и почему один снимок она обрабатывает идеально, а другой возвращает с обгрызенным краем.

С чего нейросеть начинает: пиксели, контуры и семантика

Когда фотография попадает в модель, она не видит ни ткань, ни бэкграунд. Для алгоритма это набор чисел — миллионы точек с цветовыми значениями. Первое, что происходит внутри — свёрточная нейросеть проходит по изображению маленькими окнами и ищет закономерности: перепады яркости, повторяющиеся текстуры, направление линий. Так модель находит контуры — места, где один объект резко переходит в другой.

Но одних контуров мало. Пуговица на рубашке — тоже контур, а вырезать её точно не надо. Поэтому поверх контурного анализа работает второй слой — семантическая сегментация. Модель обучили на сотнях тысяч примеров одежды и обуви, и она понимает: здесь силуэт футболки, здесь очертания кроссовка, а здесь пустой белый фон. То есть алгоритм не просто ищет края, а классифицирует каждый пиксель — принадлежит он товару или нет.

Датасет для такой модели готовят вручную: люди-разметчики обводят тысячи блузок, курток, ботинок и балеток, отмечая точную границу товара. Чем больше вариантов силуэтов и материалов увидела нейросеть на обучении, тем увереннее она себя ведёт в бою. Именно поэтому одна и та же архитектура может выдавать разное качество: дело не в коде, а в том, чему её кормили.

Именно в этом ключевое отличие современной автоматической обтравки от старых инструментов вроде волшебной палочки в Photoshop. Раньше программа отделяла области по цветовому сходству и промахивалась на первой же тени. Сейчас нейросеть удаление фона одежда делает с пониманием формы: она знает, как обычно выглядит рукав, воротник, шнуровка, каблук.

Почему ткань — сложный объект для алгоритма

Кажется, разделить свитер и белый фон — задача уровня нажми кнопку. На практике ткань подкидывает нейросети десяток сюрпризов, из-за которых ранние версии моделей проваливались.

Прозрачные материалы и кружево

Шифон, органза, гипюр, тюль — материалы, сквозь которые виден фон. Для модели это ловушка: пиксели по краю блузки одновременно принадлежат и ткани, и заднику. Если алгоритм отрежет всё, что просвечивает, останутся дыры. Если оставит — на итоговом фото повиснет серый ореол. Хорошие модели решают это через прогноз альфа-канала: каждому пикселю присваивается не 0 или 1, а число от 0 до 1 — степень прозрачности.

Ворс, мех и бахрома

Пушистые края — второй классический вызов. У шубы или флисовой кофты нет чёткого контура: там тысячи волосков, каждый по ширине в один-два пикселя. Ручной обводкой это делают часами. Автоматическая обтравка технология справляется через отдельную нейросеть-матирование, которая работает уже на подпиксельном уровне и старается сохранить каждую ворсинку вместо того, чтобы срезать её ножницами.

Как модель различает цвет ткани и цвет фона

Внутри нейросети цвет никогда не сравнивается напрямую. Пиксель — это не красный и не белый, а комбинация каналов, которую модель прогоняет через свои внутренние представления. На первых слоях сеть выделяет самые простые признаки: линии, углы, градиенты. На средних — текстуры: трикотажная вязка, гладкий шёлк, крокодиловая кожа сумки, замша ботинка. На глубоких слоях — уже целые части объектов: воротник поло, шнуровка кроссовка, каблук.

Когда модель принимает решение по конкретному пикселю, она учитывает не только его цвет, но и то, что вокруг него. Одинокая белая точка среди чёрного джемпера будет распознана как пуговица, а не как кусок фона. И наоборот — белая полоса рядом с воротником, где текстура резко пропадает, будет отнесена к бэкграунду. По сути, вопрос ИИ обтравка как работает сводится к цепочке из двух-трёх моделей: одна ищет силуэт, вторая уточняет границу по подпикселям, третья исправляет очевидные артефакты.

Такой подход и позволяет обтравку товаров онлайн делать без ручной подгонки. Даже если фотограф снимал не на идеально ровном белом, а на светло-сером или бежевом циклораме, нейросеть корректно определит, где заканчивается ткань. При условии, что снимок в фокусе и товар занимает не меньше трети кадра — иначе алгоритму просто не хватит пикселей, чтобы уверенно распознать границы.

Тени, блики и складки — что путает алгоритм чаще всего

Есть три типа проблем, которые встречаются в каждой второй партии фотографий:

Падающая тень. Ботинок отбрасывает мягкую тень на белый фон. Ранние алгоритмы отрезали её вместе с товаром — получалось парящее изображение с обрывом у подошвы. Современные модели различают тень и объект и умеют либо аккуратно её удалять, либо оставлять для реалистичности.
Пересвет и блики. Кожаная куртка бликует, лаковые туфли отражают студийный свет. Для нейросети яркое пятно может быть похоже на фон. Здесь спасает контекст: пиксели вокруг блика принадлежат ткани, значит и сам блик — часть куртки, а не белого циклорамы за спиной модели.
Глубокие складки. Между полами пальто виден задник. Алгоритм должен решить: это фон, который нужно удалить, или это внутренняя часть подкладки? Ошибка тут дорого стоит — на превью карточки товара появится дырка, и модератор маркетплейса такую фотографию просто отклонит.

Ошибки такого рода сокращаются, когда сервис использует пост-обработку. После первичной обтравки специальная модель проходит ещё раз по спорным зонам и уточняет альфа-канал. Иногда добавляют третий проход — цветовую декомпозицию, которая вычищает следы старого фона внутри самой ткани. Такое случается, если футболку снимали на сильно контрастном по цвету фоне: зелёный циклорама оставляет зеленоватый оттенок на белых участках рукава, и без коррекции этот оттенок остаётся на итоговом файле.

Почему обтравка для Wildberries требует отдельного подхода

Маркетплейсы жёстко следят за качеством карточек. Wildberries отклоняет фото с грязным контуром, серым ореолом или тенью на белом фоне. Ozon тоже придирается к чистоте изображения и требованиям к размеру. Универсальные конвертеры фото часто дают просто удалённый фон, а нужна именно карточка под правила площадки.

Специализированная ИИ обтравка для маркетплейса учитывает эти требования на этапе экспорта: правильное соотношение сторон, отступы, чистый белый бэкграунд без градиента, нужное разрешение. Если у вас 300 SKU, каждая карточка через ретушёра — это несколько дней работы и десятки тысяч рублей. Автоматическая обработка справляется за час и почти без ручных правок.

Отдельная история — обтравка для Wildberries сложных категорий: детская одежда с принтами, спортивная обувь со сложной подошвой, платья с воланами. Здесь без нейросети, обученной именно на одежде, качество будет средним. Универсальный сервис хорош для лендинга, но не для карточки товара, где каждый пиксель на виду.

Ещё один нюанс — сезонные закупки. Когда бренд загружает новую коллекцию из 500 позиций, каждый день простоя карточки в статусе черновика это минус выручка. Ручная ретушь такой объём тянет неделями, а специализированный сервис прогоняет коллекцию за одну ночь. Плюс — единый визуальный стандарт по всем товарам: одинаковая ширина отступов, одинаковая обработка тени, одинаковая чистота контура. Модератор такие карточки пропускает без вопросов.

Как продавцу проверить качество автоматической обтравки

Простой чек-лист, который работает лучше любых обещаний в рекламе:

Открой результат на белом и на чёрном фоне — на чёрном сразу видны серые ореолы вокруг ткани.
Приблизь края — рукава, воротник, шнурки. На них не должно быть лестницы из пикселей и следов от старого фона.
Проверь мелкие детали: пряжки, люверсы, цепочки на сумках. Они часто теряются при агрессивной обтравке.
Убедись, что тень либо полностью убрана, либо оставлена аккуратно — половинчатый вариант выглядит грязно.
Сравни цвета до и после — качественная обработка не меняет тон ткани. Если белая рубашка стала слегка голубой, сервис слишком агрессивно давит фон.

Если удаление фона с фото товара проходит этот минимальный тест на десяти разных снимках подряд — сервису можно доверять оптовые загрузки. Если хотя бы половина возвращается с браком, лучше искать другой инструмент, чем потом переделывать сотни карточек вручную. Заодно поймёте, на каких материалах конкретно ваш поставщик обработки проседает — и сможете снимать проблемные позиции заранее с учётом этих слабых мест.

Обтравит ли нейросеть чёрную одежду на чёрном фоне?

Специализированная модель — обтравит, но результат будет хуже, чем на контрастной подложке. Алгоритм подключает форму и текстуру, но при почти идентичных цветах ошибки на краях неизбежны. Всегда снимайте одежду на контрастном по светлоте фоне — так проще и алгоритму, и вам при постобработке.

Справится ли ИИ с обтравкой прозрачных тканей?

Да, современные модели умеют работать с шифоном, кружевом и сеткой через прогноз альфа-канала. Пиксели края получают частичную прозрачность, поэтому на новом фоне ткань выглядит естественно, без белого ореола и без вырезанных дыр в блузке.

Нужно ли готовить фото перед автоматической обтравкой?

Специальная подготовка не нужна, но качество вырастет, если снимок сделан на однотонном фоне без резких теней, а товар в фокусе. Плохо освещённые и смазанные кадры нейросеть тоже обработает, только контур будет менее чистым и потребует ручных правок.

Можно ли обтравить пачку из 200 фотографий за раз?

Да, пакетная обработка — стандартная функция. Загружаете папку с 200 снимками одежды или обуви, получаете готовые файлы через несколько минут. Для маркетплейса это самый быстрый способ обновить весь ассортимент в карточках перед сезоном.

Отличается ли обтравка для Wildberries и Ozon?

Технически алгоритм один, но требования площадок разные: Wildberries строже по чистоте контура и цвету фона, Ozon требует конкретные пропорции. Специализированный сервис учитывает правила и выдаёт готовые файлы под каждый маркетплейс отдельно.

Что запомнить

Нейросеть отличает ткань от фона не по одному цвету, а по десяткам признаков одновременно: контурам, текстурам, форме, семантике объекта. Именно поэтому она справляется даже там, где старая волшебная палочка в Photoshop бесполезна — с ворсом, кружевом, бликами и тенями. Понимание того, как ИИ обтравка как работает изнутри, помогает продавцу правильно подбирать сервис и заранее видеть, какие снимки дадут проблемы. Специализированные инструменты для одежды и обуви обходят универсальные конвертеры, потому что их модели обучены именно на карточках с маркетплейсов, а не на случайных картинках из интернета. Если у вас регулярный поток товара на Wildberries или Ozon, ручная ретушь — это лишние часы и деньги, которые проще отдать алгоритму.

Хотите проверить, как это работает на ваших фотографиях? Попробовать обтравку бесплатно и посмотреть результат за минуту.