為什麼叫「Cel」

cel —— celluloid（賽璐珞）的簡稱 —— 是動畫師傳統上把角色畫在上面的透明膠片，然後疊在單獨繪製的背景上，讓兩者可以一起拍攝，而不必為每一幀重畫整個場景。這個模型產出的正是這個：角色畫面，在透明層上，背景沒了。

為什麼背景移除在動畫上會失靈

單張圖片的工具只需要對一次。GIF 或影片的工具必須以同樣的方式連續對幾十次甚至幾百次 —— 而這造成的失效模式，在照片基準測試裡幾乎看不出來。一塊在整段片子裡被 98% 正確移除的背景，看起來並不像 98% 那麼好；如果它在 60 幀裡有 2 幀閃回，看起來就是壞的，因為運動會讓不一致變得明顯，而靜態照片裡一個出錯的像素永遠做不到這一點。

還有第二個問題，是手繪和向量動畫特有的：角色有時被填充成和自身背景一樣的白色、黑色或純色。在照片上訓練的模型從來不需要解決這種歧義 —— 真實照片不會故意把白襯衫放在純白無縫背景前。動畫卻一直這麼幹。在我們對這個領域的公開模型和工具的評估裡，我們沒找到一個能可靠處理它的。

Cel 目前的進展

說實話：還很早。目前的訓練集是跨 20 段動畫片段、經人工審閱的 2,052 幀 —— 足以證明這個方法可行，但遠不足以說問題已解決。作為對比，一個類似的公開微調（ToonOut，一個專注動漫的分割模型）用大約 1,200 張單一、更窄風格的標註圖片，把像素準確率從 95.3% 提升到 99.5%。一個涵蓋動畫全領域的資料集 —— GIF、精靈圖、直播疊加層、貼紙循環、各種美術風格 —— 需要比那再高一個數量級，而且它的每一幀都由人審閱，不只是自動標註。

「可行」和「已解決」之間的這道鴻溝，正是資料集群眾募資存在的意義。

目標不是一個通用的分割模型 —— 而是專門面向動畫的最好的背景移除工具，而且這裡的「最好」不是口號：它在公開基準測試上逐類別衡量，並隨著每個類別從待解決變為已解決而更新。

Cel 是如何構建的

Cel 構建在開放的分割研究之上 —— 就是這個領域普遍使用的、開放的、採用 MIT 授權的基礎 —— 並在我們自己的動畫資料集上重新訓練。圍繞模型的時序去背流程 —— 讓結果在片段的每一幀上都保持一致、並填補標準工具漏掉的純色內容的那部分 —— 是我們自己的工作。

Cel 今天能處理什麼 —— 以及不能處理什麼

已解決：純色填充（白底上的白襯衫會被填充，而不是留下一個洞）、幀間一致性（被移除的背景元素不會在個別幀上閃回）、以及真實的 3D 或照片背景。仍待解決：兩個顏色都接近背景、彼此靠得很近的獨立物體，以及非常淡的低對比度線稿。完整的逐類別狀態，以及每一類是如何評分的，都在基準測試頁面。

更大的資料集能帶來什麼

訓練這樣一個模型，算力是便宜的部分 —— 一次完整的微調只花幾美元的 GPU 時間。真正的成本、真正的瓶頸，是人在審閱幀：修正自動生成的遮罩、確認邊緣、標記出還看著不對的地方。資金用於：

支持這個資料集

資料集群眾募資會在一個群眾募資平台上進行 —— 目前還沒開啟。留下你的聯絡方式，一上線我們就寄郵件通知你。每個層級每一美元換到的點數都比站上任何方案更多 —— 多 25–50% —— 而且點數永不過期。

Backer $25
  • 800 點數，約 270 個一般 GIF
  • 在資料集致謝名單中署名
Founding member $79
  • 2,800 點數，約 930 個一般 GIF
  • 創始成員徽章
  • 搶先體驗 Cel 的新版本
  • 投票決定我們下一個攻克的類別
Studio $249
  • 10,000 點數，約 3,300 個一般 GIF
  • 將你自己的 5 個片段加入訓練集，以你的名義修復
Patron $1,000
  • 45,000 點數，約 15,000 個一般 GIF
  • 包含 Studio 層級的全部內容
  • 列為資料集贊助者
  • 一條直達管道，處理你需要解決的特定失敗案例

層級預覽 —— 最終的回饋和價格以上線時群眾募資頁面為準。

開啟時通知我

或者今天就用 RemoveGifBG —— 每一個難住 Cel 的檔案，都會成為明天的訓練資料。免費試用。

常見問題

Cel 是什麼？

Cel 是 RemoveGifBG 核心的 alpha 去背模型 —— 它逐幀決定哪些像素屬於動畫主體、哪些是背景。它構建在開放的分割研究之上，並在 RemoveGifBG 自己的動畫幀資料集上重新訓練 —— 這類訓練資料大多數公開模型從未見過。

為什麼叫「Cel」？

cel —— celluloid（賽璐珞）的簡稱 —— 是動畫師傳統上把角色畫在上面的透明膠片，然後疊在單獨繪製的背景上，讓兩者可以一起拍攝。這個模型產出的正是這個：角色畫面，在透明層上，背景沒了。

Cel 是一個獨立產品嗎，還是我可以直接使用的東西？

都不是 —— 它是引擎，不是一個單獨的商品。你在 RemoveGifBG 上運行的每一個任務（無論在應用裡還是透過 API）都已經在用 Cel；沒有單獨的模型可選，也沒有「Cel 方案」。這個頁面的存在，是讓你能看到引擎蓋下到底是什麼，以及它是如何改進的。

Cel 是開源的嗎？

架構是開源的 —— Cel 構建在這個領域廣泛使用的、開放的、採用 MIT 授權的分割研究之上。屬於我們、且不開放的，是針對動畫的資料集，以及圍繞模型構建的時序流程 —— 它讓結果在每一幀上都保持一致，而不只是在孤立的某一幀上準確。

為什麼動畫需要專門的模型？

幾乎所有公開的分割模型都是在單張照片上訓練的。一個 GIF 或影片需要同一個主體被連續幾十次甚至幾百次正確識別，而且結果要在畫面與畫面之間自洽 —— 一塊忽隱忽現的背景，比靜態照片裡一個略微出錯的像素顯眼得多。在照片上訓練的模型從來沒被要求解決這個問題。

我能怎麼幫忙？

兩種方式。使用 RemoveGifBG，並告訴我們任何它沒能乾淨處理的檔案 —— 這些會變成訓練資料。或者在資料集群眾募資開啟時支持它（見上文）：你的錢會直接用於帶標註的幀，而這正是真正的瓶頸。