Le traitement IA s'effectue localement sur votre appareil.
Glissez-déposez une image iciOu cliquez pour parcourir. Compatible HEIC.
Le Background Remover sur OmniImage exécute une passe de segmentation et de maillage entièrement sur votre appareil, ce qui signifie que l'alpha que vous jugez sur le damier est le même alpha que vos parties prenantes peuvent télécharger sans détour par le serveur d'applications, et comme WebAssembly et les tableaux typés hébergent localement le gros travail de convolution, vous pouvez documenter de manière crédible à la fois l'architecture technique et un chemin de données étroit pour les réviseurs E-E-A-T qui en ont assez des vagues affirmations d'IA. Bien que la première exécution puisse être plus lente lors de l'initialisation des poids et des moteurs, les passes suivantes au cours de la même visite réutilisent un module chaud et ressemblent beaucoup plus à un plug-in de bureau professionnel qu'à un formulaire de téléchargement jetable.
Lorsque vous choisissez PNG, WebP, AVIF ou JPEG, Background Remover force une réflexion explicite sur la transparence plutôt que sur l'aplatissement, le sous-échantillonnage et la recompression, car ce sont les décisions de livraison qu'un retoucheur senior ou un responsable de publication listerait avant d'approuver un fichier pour la production, et bien que la copie marketing ne puisse pas remplacer la formation, une page d'outil qui nomme ces compromis est plus proche de l'expertise que les moteurs de recherche tentent de récompenser lorsqu'ils sont rédigés avec précision.
Les images sont traitées localement dans votre navigateur et ne sont jamais envoyées à nos serveurs d'application pour les opérations d'édition de base décrites sur chaque page d'outil. Cela signifie que les pixels que vous modifiez restent dans la mémoire de votre appareil jusqu'à ce que vous téléchargiez ou copiez explicitement le résultat.
Alors que de nombreux éditeurs en ligne acheminent silencieusement les fichiers via des serveurs distants pour appliquer des « améliorations » propriétaires, les pipelines côté navigateur réduisent le nombre de dépendances de confiance que votre audit de sécurité doit recenser — car TLS seul ne peut pas effacer le fait qu'une copie a existé sur le disque d'un tiers si vous avez un jour chargé votre fichier pour un aperçu.
Cette architecture s'aligne sur les attentes modernes en matière de minimisation des données au titre de réglementations telles que le RGPD, car la forme la plus solide de minimisation consiste à ne pas collecter ni conserver des pixels dont la tâche n'avait jamais besoin, plutôt que de les collecter brièvement sous une politique de rétention courte qui crée tout de même une surface d'audit.
Vous devriez néanmoins suivre les politiques de votre organisation concernant les contenus sensibles sur les postes de travail partagés, car le traitement local ne remplace pas les obligations contractuelles de confidentialité — mais il élimine toute une catégorie de risques d'ingestion par des tiers pour les flux de travail courants de recadrage, redimensionnement, compression, conversion, filigrane et décodage.
Historiquement, la suppression de l'arrière-plan signifiait soit un masquage manuel minutieux, soit une API cloud qui ingérait votre fichier avant que vous puissiez évaluer si la découpe était acceptable, ce qui créait des frictions pour les équipes juridiques qui devaient ajouter un autre fournisseur à la carte de données pour une tâche qui semblait banale.
Le maillage côté client inverse cette hypothèse en gardant les tenseurs résidents dans la mémoire que vous contrôlez, donc la question « où sont passés les pixels ? a une réponse claire : ils sont restés dans le processus du navigateur jusqu'à ce que vous exportiez, auquel cas seul l'artefact que vous avez choisi de sauvegarder a quitté la machine.
Cette histoire est techniquement défendable pour EAT car elle relie les allégations marketing au comportement inspectable du réseau et aux choix d'architecture (WASM, tableaux typés, codecs d'exportation explicites) que les ingénieurs peuvent vérifier sans se fier uniquement à un paragraphe SLA en boîte noire.
Le tapis neuronal est fondamentalement un problème d'algèbre linéaire dense déguisé en filtre créatif, ce qui signifie que la latence évolue à la fois avec la capacité du modèle et la résolution d'entrée, et cette relation ne disparaît pas simplement parce que le mot « IA » apparaît dans le titre.
WebAssembly offre un environnement d'exécution quasi natif pour ces noyaux tout en respectant le bac à sable du navigateur. C'est pourquoi les très grands rasters peuvent atteindre des limites de RAM pratiques qui reflètent ce que vous verriez en ouvrant le même fichier dans un éditeur de bureau d'entrée de gamme.
L’avantage est la transparence : le facteur limitant est le matériel que vous pouvez profiler, et non une profondeur de file d’attente distante que vous ne pouvez pas observer.
Les codecs d'exportation déterminent ensuite si les pixels semi-transparents du cache survivent à la quantification ou sont écrasés en bandes. C'est pourquoi nous exposons PNG, WebP, AVIF et JPEG comme des choix explicites avec des compromis en langage clair au lieu de les cacher derrière un seul bouton de téléchargement.
Un aperçu en damier existe parce que les yeux humains interprètent mal la transparence par rapport à la photographie arbitraire, et parce qu'il s'agit de la même convention que les concepteurs comprennent déjà à partir des outils de bureau, ce qui réduit les coûts de formation lorsque vous confiez le PNG à une équipe de production.
Lorsque vous aplatissez au format JPEG, vous signez un contrat selon lequel les pixels semi-transparents proches de la silhouette seront interprétés par rapport à un remplissage uni, ce qui peut modifier la couleur apparente des cheveux si le remplissage choisi n'est pas gris neutre.
WebP et AVIF peuvent préserver l'alpha avec une meilleure compression que PNG pour de nombreux supports photographiques, mais seulement lorsque la prise en charge du décodage est suffisamment universelle pour votre public. C'est pourquoi le choix du codec basé sur l'analyse reste une discipline de publication, et non quelque chose que l'outil devrait prétendre résoudre automatiquement sans contexte.
La plupart des pipelines réels isolent d'abord le sujet, puis redimensionnent en points d'arrêt de disposition, puis compressent pour les budgets CDN, car inverser cet ordre gaspille des bits de codage du fouillis d'arrière-plan que vous avez déjà décidé de supprimer ou prive le modèle de détails en le compressant avant la segmentation.
Les outils associés liés à cette page suivent le même modèle d'exécution localisé, ce qui signifie que votre documentation peut décrire une histoire de bout en bout sans insérer de services de téléchargement sans nom entre les étapes de création.
Les liens internes restent à l'intérieur de votre itinéraire local actif, ce qui aide les humains et les robots d'exploration à comprendre que la boîte à outils est cohérente plutôt qu'un ensemble de pages de destination déconnectées partageant un logo.
Les modèles de mating sont avides de détails visuels, ce qui a toujours incité les équipes produit à envoyer des images en pleine résolution à de puissants GPU distants dont les politiques de rétention étaient plus larges que l'aperçu unique qu'un spécialiste du marketing pensait demander.
L'exécution locale du modèle réduit toute cette classe de risques liés au flux de données, car les pixels qui rendent les mèches de cheveux séparables du ciel ne deviennent jamais des objets dans un compartiment de stockage multi-locataires codé par un identifiant de tâche opaque.
D'un point de vue cryptographique, TLS ne protège que les octets en mouvement ; cela n'efface pas le fait qu'une copie existait sur un serveur que vous ne contrôlez pas, alors que l'exécution locale évite de créer cette copie en premier lieu, ce que les régulateurs de propriété privée les plus stricts demandent de plus en plus aux fournisseurs de prouver.
Pour les éditeurs annonçant « nous ne téléchargeons jamais vos photos », l’inférence côté client est l’une des rares architectures où cette phrase reste littéralement vraie pour l’étape d’inférence plutôt que strictement vraie dans le cadre d’une définition créative du « téléchargement ».
Téléchargez un portrait, une photo de produit ou une plaque de logo, puis attendez que WebAssembly charge les poids de segmentation pour la première fois, car l'envoi d'un modèle de tapis performant au client implique nécessairement un téléchargement unique plus important qu'un script trivial, bien que les exécutions ultérieures lors de la même visite réutilisent le moteur initialisé et semblent sensiblement plus rapides.
Examinez le cache alpha sur l'aperçu en damier, en faisant attention aux mèches de cheveux et aux bords du verre où l'incrustation chroma classique échouerait, puis exportez au format PNG lorsque vous avez besoin d'une transparence totale pour la composition, WebP ou AVIF lorsque vous souhaitez des fichiers plus petits pour des images réactives, ou JPEG lorsque vous aplatissez intentionnellement contre une couleur unie pour les systèmes de catalogue qui ne peuvent pas tolérer l'alpha.
Rien dans ce pipeline n'exige que votre fichier d'origine soit stocké sur les serveurs OmniImage à des fins d'inférence, car les opérations tensorielles qui séparent le premier plan de l'arrière-plan s'exécutent dans l'espace mémoire de votre navigateur en utilisant le même bitmap décodé que vous avez déjà choisi de traiter localement.
Le Background Remover résout une classe de problèmes (l'isolation du premier plan) qui a historiquement poussé les équipes vers l'inférence dans le cloud, car les charges de travail de convolution denses semblaient incompatibles avec le budget de latence d'un navigateur. Pourtant, l'envoi de ce travail côté client est désormais une alternative crédible lorsque les pondérations du modèle, le temps d'exécution du tenseur et les codecs d'exportation sont composés délibérément.
Lorsque vous utilisez Background Remover sur OmniImage, la passe de segmentation s'exécute localement à l'aide de WebAssembly et de tampons typés afin que le cache alpha que vous jugez sur le damier soit le même cache que vos parties prenantes téléchargent, et comme aucun aller-retour vers un serveur d'applications n'est requis pour l'étape de matage principale, l'argument de confidentialité devient structurel plutôt qu'ambitieux, ce qui est exactement le raisonnement que les régulateurs attendent dans les récits modernes de minimisation des données.
Le Background Remover exige toujours une divulgation honnête du coût de première exécution : le téléchargement et l'instanciation d'un modèle performant sont plus lourds que la fourniture d'un script d'une seule ligne, mais ce coût permet d'acquérir l'indépendance par rapport à une file d'attente d'un fournisseur dont vous ne pouvez pas auditer la limitation, la journalisation et la conservation, et pour l'imagerie réglementée, cette indépendance est souvent le critère d'achat décisif, même lorsqu'un GPU distant gagnerait des secondes dans le meilleur des cas.
Après le maillage, le choix de PNG, WebP, AVIF ou JPEG devient une décision de livraison plutôt qu'un défaut caché, car le Background Remover doit connecter son expertise en matière de transparence, de sous-échantillonnage et de recompression aux mêmes lecteurs qui finiront par placer l'actif dans un CMS ou un DAM où les erreurs survivent pendant des mois.
Le tapis neuronal est, mathématiquement, une séquence de convolutions, de non-linéarités et de post-traitements qui consomment beaucoup de bande passante mémoire, ce qui signifie que Background Remover évoluera toujours avec la résolution d'une manière dont le langage marketing ne peut pas s'aplatir sans mentir.
WebAssembly offre des performances quasi natives dans le bac à sable, mais il ne peut pas dépasser les limites physiques de la RAM, et bien que les ordinateurs portables modernes tolèrent confortablement les sources multi-mégapixels, un énorme panorama peut encore nécessiter de la patience ou une réduction délibérée, car couper les pixels avant le maillage est parfois le seul moyen de maintenir une latence prévisible pour les utilisateurs qui ne sont pas sur des appareils de type poste de travail.
Lorsque des cheveux ou du plastique translucide confondent le modèle, le mode d'échec est généralement visible dans l'aperçu alpha avant l'exportation, et comme Background Remover conserve l'aperçu et l'exportation sur le même pipeline de canevas, vous pouvez itérer sans découvrir un halo surprise seulement après que le fichier ait atteint Figma, ce qui est un signal d'honnêteté du flux de travail que les évaluateurs E-E-A-T peuvent reconnaître comme une véritable transparence technique.
Le PNG sans perte préserve le cache pour la composition en aval, mais WebP et AVIF peuvent échanger la taille du fichier contre la compatibilité de décodage en fonction des navigateurs affichés par vos analyses, tandis que JPEG supprime nécessairement l'alpha non associé, qui intègre contractuellement une couleur d'arrière-plan dans les pixels, même si l'examen à l'écran semblait transparent un instant auparavant.
Le Background Remover rend ces compromis visibles, car un acheteur averti ne devrait jamais découvrir une perte de transparence seulement après qu'un marché a rejeté un téléchargement, et bien que cela nécessite plus de réflexion qu'un bouton « télécharger » en un clic, c'est la différence entre une page d'outil qui éduque et une qui ne promet que de la vitesse.
L'association de Background Remover avec le redimensionneur, le compresseur et le convertisseur de format réutilise le même langage de conception local : chaque lien maintient votre session dans les paramètres régionaux que vous avez choisis, et votre documentation peut décrire un chemin cohérent depuis l'isolation jusqu'à la livraison sur le Web sans insérer de sauts de serveur sans nom entre chaque étape de création.
Le modèle de base s'exécute en tant que WebAssembly avec des tampons de tableau typé afin que le travail de convolution lourd reste à proximité du processeur sans aller-retour des pixels via un point de terminaison REST dont vous devrez lire la politique de journalisation avant de laisser passer les actifs client.
Cette architecture échange une première charge utile plus importante contre une latence prévisible par la suite, ce qui est souvent préférable pour les agences qui préfèrent amortir un téléchargement unique plutôt que de négocier un autre BAA pour le « nettoyage de l'IA en tant que service ».
Étant donné que la session ne dépend jamais d'une file d'attente GPU partagée dans un centre de données distant, vous évitez également une limitation surprise lorsque le travail par lots d'un fournisseur augmente pendant la semaine du Black Friday, un aspect de fiabilité qui apparaît rarement dans les textes marketing mais qui est important sur le plan opérationnel.
PNG préserve le cache exactement tel que calculé, ce qui est idéal lorsque les concepteurs en aval doivent encore modifier les ombres dans Photoshop, tandis que WebP et AVIF peuvent réduire considérablement la taille du fichier lorsque les navigateurs de votre profil d'analyse annoncent déjà la prise en charge du décodage.
JPEG ne peut pas comporter de canal alpha, donc le choisir intègre contractuellement une couleur d'arrière-plan dans le fichier, ce qui convient aux vignettes du marché qui imposent des remplissages blancs, mais pas aux calques de héros qui doivent flotter sur les dégradés.
L'interface rend ces compromis explicites au lieu d'aplatir silencieusement la transparence et d'espérer que personne ne le remarquera avant la production.
Commencez par la source la plus haute résolution et la moins compressée dont vous disposez, car le JPEG agressif du téléphone avec appareil photo peut priver le modèle de la fréquence de bord réelle qui sépare les cheveux du ciel, ce qui conduit à des halos qu'aucun codec d'exportation ne peut corriger plus tard.
Si le sujet porte un tissu semi-transparent ou des reflets colorés, effectuez un zoom agressif sur l'aperçu avant l'exportation pour confirmer que le cache n'a pas tronqué la translucidité subtile que les directives de votre marque espèrent toujours survivre.
Lorsque vous devez fournir à la fois un PNG transparent pour les concepteurs et un JPEG aplati pour un ancien CMS, exportez deux fois à partir de la même session plutôt que de laisser le CMS recompresser aveuglément le PNG en JPEG, car cette deuxième passe introduit souvent un blocage que l'étape de matage n'a jamais vu.
Associez cet outil au redimensionneur lorsque les règles du marché limitent les dimensions des pixels, en effectuant d'abord le maillage afin que le contraste des bords survive à la réduction d'échelle au lieu de compresser d'abord un arrière-plan bruyant qui perturbe le réseau.
Background Remover exécute la segmentation et la passe de maillage localement avec une inférence basée sur WebAssembly et des tampons de tableau typés, puis compose le résultat sur un canevas pour un aperçu et une exportation, ce qui conserve les pixels source haute résolution dans votre session au lieu d'une file d'attente de travail distant. De plus, le cache alpha que vous inspectez sur le damier est produit sans envoyer l'image complète à un serveur d'applications pendant le « temps GPU », de sorte que l'étape d'isolation principale est structurellement plus privée que les services de cache de téléchargement en premier qui créent des copies durables. En plus de réduire les sous-processeurs, l'exécution locale signifie que la latence du premier octet jusqu'à « aperçu utilisable » est dominée par votre appareil et le coût d'initialisation côté client du modèle, et non par un aller-retour multi-sauts vers une région que vous n'avez pas choisie. Par conséquent, vous pouvez documenter un pipeline honnête pour les NDA et les images réglementées : le passage neuronal et l'exportation du canevas sont colocalisés avec la page de même origine, et vous sélectionnez PNG, WebP, AVIF ou JPEG en étant pleinement conscient de la façon dont chaque codec gère la transparence avant que quoi que ce soit ne quitte votre contrôle, à l'exception du fichier que vous téléchargez.
Utilisez-le lorsque vous préparez des actifs de commerce électronique, de marché ou sociaux qui nécessitent une découpe alpha nette, mais que la politique de votre marque interdit d'envoyer des photographies de produits inédites à un service tiers « d'effacement intelligent ». De plus, les équipes soucieuses de la performance peuvent intégrer des PNG transparents ou WebP/AVIF avec alpha dans des mises en page réactives pour réduire les boîtes rectangulaires gênantes autour des sujets, et faire ce passe-partout localement préserve la confidentialité des prototypes et des lookbooks de pré-lancement. Enfin, lorsque vous devez joindre une découpe à un transfert de conception, un e-mail ou un rapport de bogue, un outil local évite de créer un intermédiaire cloud qui élargirait votre carte de données et la portée de votre réponse aux incidents. Chaque scénario est plus fort lorsque le travail de mise en réseau s'effectue sur l'appareil auquel vous faites déjà confiance avec le fichier source, sans une copie supplémentaire sur une infrastructure partagée que vous ne pouvez pas auditer de bout en bout.
The Background Remover compiles a segmentation and edge-refinement model to WebAssembly so heavy convolutional work can execute at near-native speed without trusting a server-side API with the pixel buffer, and by marshaling input images through ImageBitmaps and linear-memory views, the runtime can stream tensors from decode through inference without an intermediate cloud hop that would reintroduce a custody chain you had not budgeted in your threat model.
By leveraging Web Workers for the primary inference budget, the main thread can continue updating UI chrome such as a compare slider, elapsed timers, and export affordances, which matters because a slow interface looks like a broken tool even when the model is still computing, and that perception erodes the trust signals E-E-A-T reviewers are meant to read as genuine operational care.
Post-inference, alpha matting and compositing against a checkerboard preview happen using canvas compositing rules that you can read in the open standards for Porter-Duff operations, and when you request PNG, WebP, or AVIF, the encoder path applies explicit choices about loss versus transparency that no opaque backend could silently override with a one-size-fits-all preset.
The entire loop—decode, run weights, build premultiplied RGBA, encode—is orchestrated in one origin so your security team can point to a narrow surface area: a single web application loading static assets and never receiving your raw photograph as a multipart form field destined for a vendor bucket you did not choose.
Federated, server-side “AI background” products necessarily retain enough access to the photograph to return a result, and even vendors that promise short retention can still be compelled by lawful intercept or can suffer silent misconfiguration, whereas a client-only pipeline reduces the number of systems that can ever log your asset from “many” to the browser trace you control.
By keeping inference local, you also avoid a subtle compliance gap where marketing claims of encryption in transit are technically true for upload but irrelevant if you never wanted the image to exist on someone else’s disk at all, and that distinction is the one privacy officers increasingly ask vendors to make explicit.
This architecture is designed so your pixels are not a convenient telemetry feed, because the weights execute locally and the tool does not need to upload a frame in order to return a high-resolution alpha mat.
If you are auditing, look for the absence of a large outbound payload matching your file size, which is a straightforward indicator that learning did not require server-side inspection of the underlying bitmap.
The initial visit must fetch and instantiate WebAssembly modules, allocate aligned buffers, and warm caches, which is a one-time cost that resembles installing a local plug-in except it stays confined to a sandboxed web origin.
Subsequent operations on the same session reuse a warm module graph, so the experience converges on something closer to an interactive retouching pass once startup amortizes across a batch of product shots you are already reviewing locally.
PNG preserves a lossless mask but can be large; WebP and AVIF trade a modern decoder requirement for better bytes-per-quality metrics, and JPEG discards alpha entirely, which means you are consciously flattening onto an opaque color that the UI warns you about before download.
These are codec governance decisions, not cloud toggles, and the benefit of local processing is you can re-export quickly while iterating without uploading each trial render for remote approval.
WebAssembly is not magic parity with every hand-tuned hand-optimized desktop stack, but it is deterministic, sandboxed, and inspectable, which is a better fit for an evidence-driven security review than a closed native executable whose network behavior is harder to observe under load.
We surface explicit errors when a browser lacks a needed capability, which is a cleaner failure than a server error code that could leak operational metadata you did not intend to share.
Le flux de travail est conçu pour que la segmentation et la génération alpha s'exécutent localement dans votre navigateur à l'aide des poids de modèle téléchargés, ce qui signifie que le bitmap que vous avez sélectionné n'est pas transmis aux serveurs d'applications OmniImage dans le but de calculer la découpe que vous téléchargez.
Vous devez toujours traiter les images sensibles conformément aux politiques de votre organisation concernant les postes de travail locaux, car « sur l'appareil » ne remplace pas les règles contractuelles concernant l'endroit où les pixels classifiés peuvent apparaître, même s'ils ne touchent jamais nos disques.
Il est important de conserver un navigateur à jour, car les capacités WASM et SIMD s'améliorent avec le temps et les moteurs plus anciens peuvent refuser d'allouer la mémoire contiguë attendue par les grands modèles.
Le délai initial reflète en grande partie le téléchargement et l'instanciation des pondérations du modèle ainsi que l'allocation de tampons dimensionnés à votre image, ce qui est analogue à l'ouverture d'un plug-in de bureau pour la première fois, sauf que les octets transitent via HTTPS vers votre cache au lieu de lire à partir d'un disque local.
Après cet échauffement, les segmentations suivantes sur le même onglet réutilisent le module compilé et se terminent souvent en une fraction de la première latence. C'est pourquoi nous présentons des messages de progression honnêtes au lieu de prétendre que chaque tâche prend le même nombre de millisecondes.
Si vous actualisez ou effacez les données du site, attendez-vous à nouveau au préchauffage, car une exécution locale respectueuse de la confidentialité ne conserve pas secrètement votre copie de modèle sur nos serveurs entre les sessions.
Un modèle capable doit être téléchargé et instancié dans votre navigateur la première fois que vous utilisez la fonctionnalité, et WebAssembly ainsi que la mémoire tensorielle ne sont pas gratuits même s'ils sont plus rapides qu'une réimplémentation naïve de JavaScript. De plus, les rasters haute résolution nécessitent plus de mémoire de travail pour les tenseurs d'inférence, de sorte que les images extrêmement volumineuses peuvent être plus lentes sur un matériel modeste, d'une manière qu'une batterie de GPU distante pourrait cacher avec des quotas plus élevés.
En échange, la propriété de confidentialité est que vos pixels ne sont pas un travail par lots sur un cluster multi-tenant en dehors des politiques de votre organisation.
Par conséquent, l'échange est explicite : vous payez d'avance le poids et la mémoire du modèle local, et vous évitez une relation de téléchargement permanent avec un fournisseur pour chaque nouvelle prise de vue.
JPEG ne stocke pas l'alpha non associé comme le fait PNG, donc une exportation JPEG s'aplatit sur un arrière-plan implicite ou choisi, ce qui est un comportement de codec standard plutôt qu'un problème de rendu dans Background Remover. De plus, certains marchés rejetteront un actif qui n'est pas réellement transparent même si un aperçu sur votre téléphone semble « correct », c'est pourquoi l'outil présente des choix de format avec des conséquences honnêtes.
De plus, si vous avez besoin d'alpha pour une composition ultérieure, vous devez partir des modes PNG, WebP sans perte ou AVIF appropriés jusqu'à ce que vous soyez prêt à créer un JPEG plat final pour un canal qui le nécessite.
Par conséquent, le flux de travail expert est le suivant : isoler avec un conteneur sans perte ou compatible alpha, puis ajouter le redimensionnement et la compression dans les outils en aval avec le même modèle local d'abord.
Poursuivez avec un autre flux de travail dans le navigateur. Les pages restent dans votre langue, avec la même conception locale.