Come rimuovere lo sfondo da un’immagine gratuitamente, senza doverla caricare.

Quando uno strumento afferma di rimuovere gli sfondi senza caricare, la sua affermazione è verificabile. Tutto ciò che tocca i tuoi pixel — decodificare la foto, eseguire l'IA, assemblare il PNG finale — avviene nella scheda del browser, sul tuo hardware. Apri l'ispettore di rete del browser mentre lo strumento è in esecuzione e vedrai i dati fluire in discesa (la pagina e il modello IA) e nessun dato della tua immagine fluire in salita. Lo strumento di rimozione dello sfondo di FileTinker funziona esattamente così: la foto viene letta localmente, elaborata localmente e il risultato viene creato localmente.

Questo è importante sia per ovvie ragioni di privacy (fotografie del viso, foto per documenti d’identità, foto di famiglia), sia per motivi pratici. Non c’è una coda di caricamento, non bisogna aspettare che un altro server sia disponibile e non c’è una copia della tua immagine archiviata nel cloud in attesa di essere eliminata «dopo un’ora». Lo svantaggio è che il tuo dispositivo deve svolgere il lavoro, ed è per questo che la prima esecuzione prevede un download di cui parleremo tra poco.

Il cuore di questo strumento è una rete neurale chiamata MODNet, un modello di «matting». Il «matting» si differenzia dalla sua controparte più semplice, la segmentazione. Un modello di segmentazione fornisce una risposta affermativa o negativa per ogni pixel: soggetto o sfondo. Il «matting», invece, stima l’opacità: a ogni pixel viene assegnato un valore da 0 (sfondo puro) a 255 (soggetto puro), con tutti i valori intermedi possibili. Questa gamma di valori intermedi è l’elemento chiave. Ciuffi di capelli, bordi sfumati di maglioni e contorni leggermente sfocati non sono né soggetti al 100% né sfondi al 100%: sono miscele semitrasparenti, e un effetto di «matting» può rappresentarle.

L’output del modello viene definito «maschera alfa» e lo strumento lo applica nel modo più letterale possibile: il valore della maschera di ciascun pixel viene copiato nel canale alfa (trasparenza) di un file PNG. Un pixel a cui il modello ha assegnato un valore di 255 rimane completamente opaco, un valore di 0 diventa completamente trasparente e un valore di 128 diventa semitrasparente, consentendo a ciò che si trova dietro di esso di essere visibile. Ecco perché una buona maschera si integra naturalmente in un nuovo sfondo, anziché apparire come un’immagine ritagliata con le forbici.

Per poter eseguire una rete neurale direttamente in un browser, lo strumento utilizza transformers.js, la libreria JavaScript per il machine learning di Hugging Face. Quando possibile, preferisce WebGPU, ovvero l’hardware grafico del dispositivo, ma in caso di incompatibilità, utilizza WebAssembly sulla CPU. Entrambi i metodi producono lo stesso risultato, ma WebGPU è più veloce.

La prima volta che utilizzi lo strumento, vedrai una barra di avanzamento con la scritta «Download del modello di intelligenza artificiale». Questa è la parte che può destare sospetti, quindi è bene essere precisi su cosa viene scaricato e dove. La tua immagine non viene caricata. Il download consiste nei dati del modello MODNet, ovvero circa cinque-venticinque megabyte di dati, a seconda del dispositivo, che vengono scaricati dalla CDN pubblica di Hugging Face e trasferiti al tuo browser. Il trasferimento dati avviene in una sola direzione ed è il modello, e non la tua foto, a essere scaricato.

Inoltre, si tratta di un costo una tantum. Il browser memorizza nella cache i dati scaricati, quindi nelle visite successive si eviterà la maggior parte dei tempi di attesa e, all’interno di una singola sessione, il modello caricato verrà riutilizzato per ogni immagine che si elabora: si può rimuovere lo sfondo da una seconda foto e l’operazione inizierà immediatamente. Durante la prima esecuzione, è necessario prevedere un breve tempo di attesa mentre la percentuale aumenta. In tutte le esecuzioni successive, si considererà solo il tempo di elaborazione.

L’indicazione relativa al caricamento sullo strumento recita: «funziona meglio sulle persone», e non si tratta di una semplice affermazione di modestia: è una conseguenza diretta del modello. MODNet è stato creato come modello per la segmentazione di ritratti: è stato progettato e addestrato per separare le persone dallo sfondo. Quando viene utilizzato su ritratti, selfie o foto in stile immagine del profilo, produce risultati ottimali. Se applicato a oggetti generici (prodotti, animali domestici, mobili, cibo), continua a funzionare, ma i risultati sono meno precisi, perché viene utilizzato al di fuori del suo ambito di competenza. Non aspettatevi ritagli perfetti, degni di uno studio fotografico, di una foto di un prodotto o di capelli complessi su uno sfondo affollato.

Perché utilizzare un modello specializzato per l’elaborazione di immagini di persone anziché un modello generico? La questione è legata alle licenze. MODNet è rilasciato con licenza Apache-2.0, il che lo rende sicuro da utilizzare per qualsiasi scopo, compresi progetti commerciali. Alcuni dei modelli più generici per la rimozione dello sfondo limitano l’uso commerciale. FileTinker ha fatto questa scelta consapevolmente: un modello che si può utilizzare legalmente per le foto professionali della propria azienda è preferibile a un modello tecnicamente più ampio, ma di cui non si può fare uso commerciale.

All’interno dell’intervallo di utilizzo ottimale del modello, alcune foto gli consentono di svolgere il compito in modo più agevole rispetto ad altre:

Nessun modello di ritaglio è perfetto, quindi lo strumento non pretende che la prima elaborazione dell’IA sia definitiva. Dopo l’elaborazione, l’immagine ritagliata viene visualizzata su uno sfondo a scacchi, il metodo standard per indicare la trasparenza, e l’anteprima diventa una tela modificabile. È possibile intervenire direttamente sull’immagine utilizzando uno dei due pennelli: «Cancella» elimina le parti di sfondo che il modello non è riuscito a rimuovere, mentre «Ripristina» ripristina le parti del soggetto che sono state eliminate erroneamente, come una mano, il bordo di una spalla o una ciocca di capelli.

Il pennello è rotondo e ha bordi sfumati: la forza è massima al centro e diminuisce gradualmente fino a scomparire sul bordo, in modo che le pennellate si fondano con il contorno esistente anziché creare cerchi netti. Le dimensioni sono regolabili da 6 a 120 pixel: si può usare una dimensione maggiore per cancellare ampie aree di cielo non uniformi o una dimensione minore per delineare i contorni del viso. Un pulsante di ripristino elimina tutte le pennellate e riporta l’immagine alla versione originale generata dall’IA, consentendo di sperimentare senza rischi.

Lo strumento «Ripristina» funziona grazie a un dettaglio importante. In un’immagine PNG trasparente, un pixel completamente trasparente perde le informazioni sul colore: non rimane nulla da ripristinare. Lo strumento aggira questo problema mantenendo una copia intatta dei pixel della foto originale nella memoria, insieme alla maschera modificabile. Il ripristino non si basa su ipotesi sui colori, ma rivela i pixel reali che erano presenti fin dall’inizio. Questo è possibile solo perché la modifica avviene nello stesso luogo in cui si trova ancora l’immagine originale: il browser.

Il risultato è un file PNG con le stesse dimensioni in pixel dell’immagine originale, con le informazioni sull’opacità salvate nel canale alfa. Il file viene salvato con lo stesso nome dell’originale, aggiungendo in coda «-no-bg.png». Il formato PNG è la scelta ideale perché è il formato più diffuso e supporta la trasparenza a 8 bit. Mantieni il file in formato PNG finché ci lavori: se lo converti in JPG, la trasparenza viene persa, perché il formato JPG non supporta il canale alfa e i programmi di conversione appiattiscono le aree trasparenti su un colore uniforme, solitamente bianco, riportandoti quindi al punto di partenza.

Per quanto riguarda l’input, lo strumento accetta file JPG, PNG, WebP e altri formati, comprese le foto HEIC degli iPhone e i file TIFF, che vengono convertiti internamente prima di essere elaborati dal modello. Una volta ottenuto l’elemento ritagliato, il passo successivo consiste nell’adattarlo a uno scopo specifico: è possibile ritagliarlo in forma quadrata o circolare per utilizzarlo come immagine del profilo (lo strumento di ritaglio immagini di FileTinker lo fa direttamente nel browser) oppure inserirlo in un nuovo sfondo in qualsiasi editor che supporti i livelli. Finora, tutti i dati sono rimasti sul dispositivo; è consigliabile conservare anche le modifiche successive nello stesso luogo.