Fast jeder gängige Hintergrundentferner wurde darauf trainiert, ein Foto nach dem anderen zu betrachten. Cel muss ein Ergebnis richtig hinbekommen — und zwar auf die gleiche Weise über Dutzende oder Hunderte aufeinanderfolgende Frames. Ein anderes, schwierigeres Problem, für das fast niemand Trainingsdaten aufgebaut hat. Cel ist RemoveGifBGs Antwort darauf und wird offen entwickelt.
Zeitliches Alpha-Matting — genau das Modell, das bereits in RemoveGifBG läuft
Baut auf offener, MIT-lizenzierter Segmentierungsforschung auf — siehe "Wie Cel gebaut ist" unten
Der Animationsdatensatz und die Pipeline, die ein Ergebnis von Frame zu Frame konsistent hält
Ein Cel — kurz für Celluloid — ist die transparente Folie, auf die ein Animator traditionell eine Figur malte, um sie dann über einen separat gemalten Hintergrund zu legen, sodass beide zusammen abgefilmt werden konnten, ohne die ganze Szene für jedes Frame neu zu zeichnen. Genau das produziert dieses Modell: Figurenkunst, auf Transparenz, Hintergrund weg.
Ein Einzelbild-Werkzeug muss nur einmal richtig liegen. Ein GIF- oder Video-Werkzeug muss auf die gleiche Weise Dutzende oder Hunderte Male hintereinander richtig liegen — und der dadurch entstehende Fehlerfall ist in einem Foto-Benchmark fast unsichtbar. Ein Hintergrundfleck, der über einen ganzen Clip zu 98 % korrekt entfernt ist, sieht nicht zu 98 % gut aus; blitzt er in 2 von 60 Frames zurück, sieht es kaputt aus, weil Bewegung Inkonsistenz auf eine Weise sichtbar macht, wie es ein einzelner falscher Pixel in einem Foto nie tut.
Es gibt ein zweites Problem, das speziell handgezeichnete und Vektoranimation betrifft: Eine Figur ist manchmal mit demselben Weiß, Schwarz oder derselben einfarbigen Farbe wie ihr eigener Hintergrund gefüllt. Ein fotografisch trainiertes Modell musste diese Mehrdeutigkeit nie lösen — echte Fotos setzen nicht absichtlich ein weißes Hemd vor einen rein weißen, nahtlosen Hintergrund. Animation tut das ständig. Bei unserer eigenen Durchsicht der öffentlichen Modelle und Werkzeuge in diesem Bereich fanden wir keines, das das zuverlässig bewältigt.
Ehrlich: früh. Der aktuelle Trainingssatz umfasst 2.052 von Hand geprüfte Frames aus 20 animierten Clips — genug, um zu belegen, dass der Ansatz funktioniert, längst nicht genug, um das Problem als gelöst zu bezeichnen. Zur Einordnung: Ein vergleichbarer öffentlicher Fine-Tune (ToonOut, ein Anime-fokussiertes Segmentierungsmodell) steigerte seine Pixelgenauigkeit von 95,3 % auf 99,5 % mit rund 1.200 gelabelten Bildern eines einzigen, engeren Stils. Ein animationsübergreifender Datensatz — GIFs, Sprite-Sheets, Stream-Overlays, Sticker-Loops, jeder Kunststil — muss eine ganze Größenordnung darüber liegen, und jedes seiner Frames wird von einem Menschen geprüft, nicht nur automatisch gelabelt.
Genau diese Lücke zwischen "funktioniert" und "gelöst" soll die Datensatz-Kampagne schließen.
Das Ziel ist kein Allzweck-Segmentierungsmodell — es ist der beste Hintergrundentferner speziell für Animation, und "beste" ist hier kein Slogan: Es wird Kategorie für Kategorie im öffentlichen Benchmark gemessen, aktualisiert, sobald eine von offen auf gelöst wechselt.
Wie Cel gebaut ist
Cel baut auf offener Segmentierungsforschung auf — derselben offenen, MIT-lizenzierten Grundlage, die in diesem Feld überall genutzt wird — und wurde auf unserem eigenen Animationsdatensatz nachtrainiert. Die zeitliche Matting-Pipeline um das Modell herum — der Teil, der ein Ergebnis über jeden Frame eines Clips konsistent hält und einfarbige Inhalte füllt, die Standardwerkzeuge verpassen — ist unsere eigene Arbeit.
Gelöst: einfarbige Füllungen (ein weißes Hemd vor weißem Hintergrund wird gefüllt, nicht als Loch belassen), Frame-zu-Frame-Konsistenz (ein entferntes Hintergrundelement flackert nicht in einzelnen Frames zurück) und echte 3D- oder fotografische Hintergründe. Noch offen: zwei separate, dem Hintergrund farbähnliche Objekte nah beieinander, und sehr blasse Strichzeichnungen mit geringem Kontrast. Der vollständige Status Kategorie für Kategorie, und wie jede bewertet wird, steht auf der Benchmark-Seite.
Rechenleistung ist der billige Teil beim Training eines solchen Modells — ein vollständiger Fine-Tuning-Lauf kostet ein paar Dollar GPU-Zeit. Die echten Kosten und der echte Engpass sind Menschen, die Frames prüfen: eine automatisch erzeugte Maske korrigieren, eine Kante bestätigen, markieren, was noch falsch aussieht. Die Finanzierung fließt in:
Die Datensatz-Kampagne läuft auf einer Crowdfunding-Plattform — sie ist noch nicht offen. Hinterlasse dein Interesse und wir schicken dir eine E-Mail, sobald sie startet. Jede Stufe gibt mehr Guthaben pro Dollar als jedes Paket auf der Seite — 25 bis 50 % mehr — und das Guthaben verfällt nie.
Stufen-Vorschau — endgültige Prämien und Preise werden zum Start auf der Kampagnenseite festgelegt.
Benachrichtige mich beim Start
Oder nutze RemoveGifBG einfach heute — jede Datei, die Cel ins Stolpern bringt, wird zu den Trainingsdaten von morgen. Kostenlos testen.
Cel ist das Alpha-Matting-Modell im Kern von RemoveGifBG — das Modell, das Frame für Frame entscheidet, welche Pixel zum animierten Motiv gehören und welche Hintergrund sind. Es baut auf offener Segmentierungsforschung auf und wurde auf RemoveGifBGs eigenem Datensatz animierter Frames nachtrainiert — eine Art Trainingsdaten, die die meisten öffentlichen Modelle nie sehen.
Ein Cel — kurz für Celluloid — ist die transparente Folie, auf die ein Animator traditionell eine Figur malte, um sie dann über einen separat gemalten Hintergrund zu legen, damit beide zusammen abgefilmt werden konnten. Genau das produziert dieses Modell: Figurenkunst, auf Transparenz, Hintergrund weg.
Weder noch — es ist die Engine, kein Artikel. Jeder Auftrag, den du auf RemoveGifBG ausführst (in der App oder über die API), nutzt bereits Cel; es gibt kein separates Modell zur Auswahl, keinen "Cel-Tarif". Diese Seite gibt es, damit du sehen kannst, was tatsächlich unter der Haube steckt und wie es besser wird.
Die Architektur schon — Cel baut auf offener, MIT-lizenzierter Segmentierungsforschung auf, die in diesem Feld weit verbreitet ist. Was von uns ist und nicht offen: der animationsspezifische Datensatz und die zeitliche Pipeline um das Modell herum, die ein Ergebnis über jeden Frame konsistent hält, nicht nur auf einem einzelnen Frame genau.
Fast jedes öffentliche Segmentierungsmodell wird auf Einzelfotos trainiert. Ein GIF oder Video braucht dasselbe Motiv Dutzende oder Hunderte Male hintereinander korrekt erkannt, wobei das Ergebnis von Frame zu Frame mit sich selbst übereinstimmt — ein Hintergrundfleck, der ein- und ausblitzt, ist viel sichtbarer als ein leicht falscher Pixel in einem Standfoto. Fotografisch trainierte Modelle mussten das nie lösen.
Auf zwei Arten. Nutze RemoveGifBG und sag uns Bescheid über jede Datei, die es nicht sauber verarbeitet — die werden zu Trainingsdaten. Oder unterstütze die Datensatz-Kampagne (siehe oben), wenn sie startet: Dein Geld fließt direkt in gelabelte Frames, den eigentlichen Engpass.