โมเดล
BiRefNet, Moebius, VOSR และ DDColor: ปัญหาสี่ประการผกผัน ความล้มเหลวสี่วิธี
การคืนค่ารูปภาพ / การเปรียบเทียบโมเดลพิเศษ
การคืนค่ารูปภาพ / การเปรียบเทียบโมเดลพิเศษ
© 2026 TelkNet สงวนลิขสิทธิ์.
โมเดลภาพเฉพาะทาง
งานแยกภาพ (matting) ปรับขอบเขตและค่า alpha ให้ดีที่สุด งานเติมภาพ (inpainting) สร้างเนื้อหาภายในมาสก์ งานซูเปอร์เรโซลูชันต้องถ่วงสัญญาณจากภาพความละเอียดต่ำเข้ากับความรู้เบื้องต้นเรื่องรายละเอียด ส่วนงานให้สีทำนายค่า chroma โดยคง luminance ไว้ตายตัว
เป้าหมายของงาน matting อาจรวม L_mat=λ₁L_BCE+λ₂L_IoU+λ₃L_edge การสร้างภาพในมาสก์เป็นไปตาม x_out=(1-m)⊙x+m⊙G(x,m) ส่วน VOSR เพิ่มทางเลือกที่ปรับได้ระหว่างความซื่อสัตย์ต่อภาพความละเอียดต่ำกับรายละเอียดที่สร้างขึ้น
BiRefNet ทำนายความน่าจะเป็นของ foreground พร้อมขอบเขต Moebius เติมพื้นที่ที่ถูกมาสก์ VOSR สร้างรายละเอียดความถี่สูงจากภาพสังเกตความละเอียดต่ำ และ DDColor ประมาณค่า chroma งาน RGBA, inpainting, super-resolution และ colorization ใช้คะแนนคุณภาพตัวเดียวร่วมกันไม่ได้
ตัวเลข 15× ของ Moebius ผูกกับฮาร์ดแวร์และ baseline ที่เปเปอร์ระบุชื่อไว้ โมเดลแบบหลายขั้นตอนกับแบบขั้นตอนเดียวของ VOSR ก็สะท้อนการแลกต้นทุนกับคุณภาพที่ต่างกันเช่นกัน ความเร็วหรือคะแนนจากโมเดลเฉพาะทางตัวหนึ่งไม่ได้พิสูจน์ประสิทธิภาพในอีกสามงานที่เหลือ
งาน matting, inpainting, super-resolution และ colorization ต่างรับภาพเข้าเหมือนกัน แต่ปรับค่าเป้าหมายที่ต่างกัน BiRefNet ทำนายขอบเขต foreground, Moebius เติมหรือวาดบริเวณใหม่, VOSR ฟื้นฟูรายละเอียด และ DDColor ประมาณค่าสี การเรียกทั้งสี่งานว่า 'enhancement' เหมือนกันจะปิดบังว่าพิกเซลส่วนไหนเปลี่ยนได้บ้าง
โมเดลเฉพาะทางมีประโยชน์เพราะสัญญาการใช้งานชัดเจน: matting ต้องรักษา RGB ไว้ inpainting อาจสร้างเนื้อหาภายในมาสก์ การอัปสเกลต้องควบคุมพื้นผิวลวง (texture hallucination) และ colorization เป็นปัญหาที่คำตอบไม่เด็ดขาดโดยธรรมชาติ พื้นที่ทำงานเดียวช่วยทำให้ I/O และงานเป็นมาตรฐาน แต่การยอมรับผลลัพธ์ยังแยกกัน
ŷ=T_task(x,m,c), task∈{matte,inpaint,restore,colorize}xภาพต้นฉบับmมาสก์ (ไม่บังคับ)cเงื่อนไขจากข้อความหรืองานBiRefNet ทำนาย foreground/alpha, Moebius รับมาสก์และข้อความเสริม, VOSR สร้างรายละเอียดความละเอียดสูงคืน และ DDColor ประมาณค่า chroma สมการนี้ถูกตั้งดัชนีตามงานโดยตั้งใจ ไม่ได้แกล้งทำเป็นว่าทุกงานใช้ loss เดียวกัน
งาน matting ตรวจขอบและความโปร่งแสง งาน inpainting ตรวจรอยต่อมาสก์ งานฟื้นฟูตรวจพื้นผิวที่ถูกสร้างขึ้น และงานให้สีตรวจความเป็นไปได้ของ chroma คะแนนความคมชัดเพียงตัวเดียวจะกลบความล้มเหลวเหล่านี้มิด
ติดตามเปเปอร์ โค้ด และน้ำหนักโมเดลได้ผ่าน BiRefNet / Moebius / VOSR
แต่ละแถวคงสถาปัตยกรรม ตัวชี้วัด หรือนิยามงานจากต้นทางไว้ ผลลัพธ์ที่ไม่มีโปรโตคอลร่วมกันยังคงถูกแยกจากกัน
| โมเดล | สถาปัตยกรรมหรือหลักฐาน | ขอบเขต |
|---|---|---|
| BiRefNet | alpha หรือมาสก์ของ foreground | ขอบ รูโหว่ ความโปร่งแสง |
| Moebius | การสร้างภาพภายในมาสก์ | รอยต่อ ความหมาย มุมมอง |
| VOSR / DDColor | การกู้รายละเอียด / การประมาณค่าสี | พื้นผิวลวง / คำตอบหลายแบบ |
BiRefNet ต้องเจอขอบเส้นผม กระจก และภาพเบลอจากการเคลื่อนไหว Moebius ต้องเจอรอยต่อ มุมมอง และโครงสร้างซ้ำ VOSR ต้องแยกพื้นผิวที่กู้คืนได้ออกจากตัวอักษรที่ถูกสร้างขึ้น และ DDColor ต้องยอมรับว่ามีหลายสีที่สมเหตุสมผล
ต้องคงเคอร์เนลการปรับขนาด ปริภูมิสี การบีบอัด และการ premultiply alpha ให้คงที่ มิฉะนั้นแสงห้อและความต่างของความคมอาจมาจาก I/O แทนที่จะมาจากตัวเครือข่าย
งานให้สีและงานซ่อมส่วนที่ถูกบังไม่สามารถกู้ข้อเท็จจริงทางประวัติศาสตร์ที่มีเพียงหนึ่งเดียวกลับมาได้ ภาพเก่าที่ผ่านการฟื้นฟูจึงควรติดป้ายว่าเป็นงานตีความ
ตัวอักษรขนาดเล็ก พื้นผิว และใบหน้าที่ถูกสร้างขึ้นไม่ใช่หลักฐานจากภาพต้นฉบับ และต้องไม่ถูกใช้สนับสนุนข้อกล่าวหาเชิงนิติวิทยาศาสตร์หรือเรื่องตัวตน
ชื่อโมเดล ตัวเลข และข้อจำกัดทั้งหมดสืบย้อนไปถึงเปเปอร์ รีพอซิทอรี หรือการ์ดโมเดลด้านล่าง