Usuwanie tła AI w fotobudce daje ten sam efekt co zielone płótno, tylko bez wieszania go na sali, bez strojenia świateł i bez zielonej obwódki na jasnych włosach. Dla operatora to mniej sprzętu w aucie i krótszy montaż. Dla gościa lepsze zdjęcie. Dla pary młodej i dla dekoratora jedna rzecz mniej, która psuje wystrój sali.
Dwie godziny przed wejściem gości
Sala weselna, ciemna boazeria na ścianach, dwie godziny do przyjazdu gości. Jeżeli pracujesz na green screenie, wiesz, co trzeba teraz zrobić. Przywieźć płótno, rozstawić stelaż, naciągnąć materiał bez zagnieceń, doświetlić go równomiernie i znaleźć jeszcze 1,5 do 2 metrów odstępu między gościem a tłem, żeby zieleń nie odbijała się na ubraniach. To zajmuje czas, metraż sali i uwagę, a jest dopiero przygotowaniem do pierwszego zdjęcia.
W Fotillo tego kroku nie ma. Nie dlatego, że wymieniliśmy green screen na coś nowszego. Nigdy go nie mieliśmy. Kiedy stanęliśmy przed pytaniem, jak wycinać postać ze zdjęcia, świadomie pominęliśmy chroma key i poszliśmy od razu w model AI. Poniżej tłumaczę dlaczego i co z tego wynika w praktyce.
Chroma key kontra matting AI
Green screen działa prosto. Program porównuje kolor każdego piksela z zadanym odcieniem zieleni i wycina to, co mieści się w tolerancji. Nie wie, co jest człowiekiem. Wie tylko, co jest zielone. Stąd bierze się cała lista awarii, którą każdy operator zna z autopsji:
- nierówne światło, więc tło raz wycięte, raz nie, plamy na jednym zdjęciu,
- cień gościa na płótnie, czyli dziura w tle,
- zagniecenia materiału i smugi na wydruku,
- odbicie zieleni na jasnych włosach i białej koszuli,
- zielona sukienka, zielony krawat albo zielony drink, po których zostaje przezroczystość,
- włosy, okulary i welon obcięte albo z aureolą,
- każda nowa sala to ponowne strojenie progu i tłumienia odbić.
Model AI zadaje inne pytanie. Nie sprawdza, czy piksel jest zielony, tylko czy należy do postaci. Wynikiem nie jest maska zero-jedynkowa, ale miękka przezroczystość, więc pojedynczy włos może być w 40 procentach postacią i w 60 procentach tłem. Z tej jednej różnicy wynika wszystko pozostałe. Ściana za gościem może być dowolna: ceglana, drewniana, obwieszona lampkami albo pełna gości.
Co widać na sali, a czego nie widać
To część, o której rzadko się pisze, a klienci końcowi zauważają ją pierwsi.
Dekorator dobiera kolory całego wesela. Brudny róż, eukaliptus, złoto, świece. A potem w rogu sali staje prostokąt jaskrawej zieleni o wymiarach dwa na trzy metry. Nie da się go schować. Widać go w telefonach gości, w relacjach na Instagramie i w reportażu z wesela. Green screen jest z założenia elementem technicznym, który ma nie być widoczny na zdjęciu, ale jest doskonale widoczny na sali.
Dochodzi do tego światło. Płótno trzeba mocno doświetlić, a zieleń odbija się od niego na najbliższe stoły i twarze. Fotograf reportażowy pracuje wtedy w rogu sali z niechcianym źródłem barwnego światła.
Fotobudka z Fotillo nie ma tego problemu, bo nie potrzebuje żadnego konkretnego koloru za plecami gościa. Możesz ją ustawić przy prawdziwej ścianie lokalu, przy ściance kwiatowej, przy kotarze, przy boazerii. Możesz też rozwiesić własne tło, tylko dobrane pod charakter przyjęcia, a nie pod wymagania algorytmu. Granatowa kotara na gali firmowej, pastel na chrzcinach, ciemna zieleń butelkowa na weselu w stylu botanicznym. Tło przestaje walczyć z dekoracją i staje się jej częścią, a program i tak podmieni je na zdjęciu.
Zyskujesz też metry. Nie trzeba trzymać 1,5 do 2 metrów odstępu ani stawiać lamp do doświetlania płótna. Fotobudka mieści się w węższym kącie, co w małych salach, restauracjach i lobby biurowców bywa decydujące.
Co konkretnie zrobiliśmy inaczej
„Mamy AI” mówi dziś każdy. Rzadko kto pisze, jakie decyzje za tym stoją, więc opiszę nasze.
Maskę liczymy z oryginalnego zdjęcia w pełnej rozdzielczości, a kompozycję składamy już w rozmiarze slotu w szablonie. Detal włosów bierzemy stamtąd, gdzie on w ogóle istnieje, a sklejamy tam, gdzie jest to tanie obliczeniowo. Jakość widać na wydruku, a nie płaci się za nią czasem oczekiwania gościa.
Model pracuje raz na zdjęcie. Maska trafia do pamięci podręcznej, gotowe kompozyty również. Przy przełączaniu się między tłami model nie liczy drugi raz, więc gość nie czeka na to samo dwa razy. Sam model wczytujemy raz przy starcie programu i trzymamy w pamięci, żeby nikt nie czekał na wczytanie kilkuset megabajtów w trakcie sesji.
Każda awaria kończy się zdjęciem, nigdy komunikatem. Brak modelu, brak pamięci na karcie, przekroczony czas, nieprzewidziany wyjątek. W każdym z tych przypadków kolaż bierze oryginalne zdjęcie bez podmiany tła i sesja idzie dalej. Fotobudka na weselu nie ma prawa pokazać gościowi błędu.
Pracujemy na sprzęcie, który masz, a nie na takim, jaki wypadałoby mieć. Zamiast CUDA używamy DirectML, więc działa to na kartach NVIDIA, AMD i Intela. Model występuje w dwóch rozmiarach. Lżejszy wariant lite ma okno 1024 px i zadowala się skromniejszą kartą, cięższy wariant hr pracuje na oknie 2048 px i potrzebuje sprzętu z półki GTX 1650 albo RTX 3050. Wybór ustawia się parametrem lub zostawia automatowi, a orientacyjne rozmiary plików i wymagania pamięci są podane przy samych modelach. Zejście na procesor przy braku pamięci dopisaliśmy po tym, jak zmierzyliśmy błąd braku pamięci na karcie MX450 z 2 GB. Rozmiar okna czytamy z metadanych modelu, a nie z kodu, więc podmiana modelu na nowszy nie wymaga nowej wersji programu.
Dwa efekty działają bez ani jednego pliku tła: rozmycie tła w stylu portretowym i tło czarno-białe przy kolorowej postaci. Powstają z samej maski, więc klient ma efekt od razu, zanim przygotuje jakiekolwiek grafiki. Własne tła wrzuca się jako pliki JPG lub PNG do katalogu Background\, bez żadnych narzędzi i bez naszego udziału.
Nie podajemy tu czasów w sekundach i robimy to celowo. Wynik zależy od karty, wariantu modelu i rozdzielczości zdjęcia, więc każda liczba wyrwana z jednego stanowiska byłaby myląca dla kogoś, kto pracuje na innym sprzęcie. Uczciwiej jest zrobić jedną sesję na swoim komputerze i zobaczyć, jak to wygląda u siebie.one machine would mislead anyone working on a different one. It is more honest to run a single session on your own computer and see how it behaves there.
Skąd wzięliśmy model
Korzystamy z modelu BiRefNet autorstwa Penga Zhenga i współpracowników, opisanego w publikacji „Bilateral Reference for High-Resolution Dichotomous Image Segmentation” (CAAI AIR 2024). Wagi przekonwertowaliśmy do formatu ONNX bez zmian matematycznych. Model jest na licencji MIT, która obejmuje zarówno kod, jak i wagi, co autor potwierdził nam pisemnie w 2026 roku. Plików nie ma w paczce instalacyjnej, pobiera się je z builder.fotillo.com/models/ do katalogu Model\. Tam też znajdziesz pełną atrybucję.
Uczciwe ograniczenia
Tryb AI wymaga karty graficznej. Na słabszym sprzęcie trzeba wziąć wariant lite, a zejście na procesor traktujemy jako zabezpieczenie awaryjne, nie jako tryb pracy. Model trzeba raz pobrać, a lżejszy i cięższy wariant różnią się rozmiarem na tyle, że przy słabym łączu warto zrobić to przed wyjazdem, a nie na sali. Program działa na Windows 11.
Green screen wciąż wygrywa w jednym zastosowaniu: przy obrazie wideo w czasie rzeczywistym i na scenie z kontrolowanym światłem. Jest deterministyczny i praktycznie darmowy obliczeniowo, więc jeżeli to jest Twój przypadek, nie namawiam do zmiany.
Przy bardzo nietypowych ujęciach, na przykład kilku osobach splecionych ramionami albo przedmiotach trzymanych tuż przed twarzą, maska potrafi zgubić szczegół. Zdarza się to rzadko, ale się zdarza.
Funkcję trzeba włączyć w oknie konfiguracji F4 i mieć pobrany model. Parametry opisuje rozdział o zdjęciach i filtrach w instrukcji, więc nie powtarzam ich tutaj.
Rachunek na koniec
Green screen kosztuje przy każdym wydarzeniu: sprzęt, transport, metraż sali, czas montażu i strojenia. Usuwanie tła AI kosztuje raz, przy pobraniu modelu, plus wymóg przyzwoitej karty graficznej. Dla mobilnej fotobudki to przesunięcie kosztu z logistyki na sprzęt, który i tak wieziesz ze sobą.
Jeżeli chcesz sprawdzić, jak to wygląda na Twoim komputerze i Twoich szablonach, napisz do nas. Umówimy się na rozmowę, powiemy, czy Twoja karta udźwignie wariant hr, czy lepiej zacząć od lite, i pokażemy efekt na Twoim zdjęciu, zanim cokolwiek zdecydujesz.
