Suomalaisen yliopiston asiantuntijat ovat kehittäneet menetelmän, jolla kohteet voidaan erottaa valokuvien taustasta ilman pitkää neuroverkkojen koulutusta ja suuria laskentakustannuksia.
Tutkijoiden ehdottama tekniikka ratkaisee monimutkaisen ongelman, joka liittyy kohteiden erottamiseen valokuvista säilyttäen samalla elementit kuten turkikset, hiukset, lehdet, varjot, heijastukset, savu tai veden väreily. Nykyiset menetelmät valokuvien jakamiseksi kerroksiin edellyttävät tekoälymallien kouluttamista miljoonilla merkityillä esimerkeillä tai resurssienkulutusta aiheuttavien optimointimenetelmien käyttöä. Israelilaisten tutkijoiden uusi lähestymistapa mahdollistaa vertailukelpoisten tulosten saavuttamisen huomattavasti vähemmällä ajalla.
Menetelmän avulla voidaan esimerkiksi poimia järvellä uiva joutsen yhdessä sen heijastuksen kanssa ja sijoittaa se toiseen vesistöön, ja käyttää järveä ilman joutsenia taustana toiselle kohtaukselle, jossa on luonnollisia heijastuksia, varjoja ja aaltojen liikettä.
Toisin kuin olemassa olevat ratkaisut, OmnimatteZero-niminen malli ei vaadi kallista ohjattua oppimista tai itseoppivaa optimointia. Sen sijaan tekniikka käyttää kuvien täydentämismenetelmiä, joita sovelletaan staattisiin kuviin, sekä moduuleja ajan ja paikan muutosten seurantaan. Tutkijat osoittivat, että kohteet voidaan tunnistaa ilman koulutusta sisäänrakennetun itsetarkkailumekanismin avulla, joka yhdistää alueet kuvien sisällä ja kuvien välillä.
Kehitys on tarkoitettu valokuvaeditorille, suunnittelijoille, mainostajille ja tekoälyn tutkijoille. Tulevaisuudessa tekniikka voi tulla saataville päivittäiseen käyttöön, mukaan lukien valokuvien muokkaus suoraan älypuhelimella.
