Generator Depth Map: Tambahkan Kedalaman dan Parallax 3D ke Foto Anda

Terakhir diperbarui: June 28, 2026. Model estimasi kedalaman terus meningkat setiap tahun; prinsip inti penggunaan peta kedalaman tetap sama.

Peta kedalaman adalah gambar grayscale di mana kecerahan setiap piksel mewakili seberapa jauh titik tersebut dari kamera — terang untuk dekat, gelap untuk jauh. Peta kedalaman menggerakkan efek paralaks 3D, blur latar belakang mode potret, fokus ulang setelah pengambilan, dan AR. Sebelumnya, menghasilkan peta kedalaman dari foto datar memerlukan kamera ganda atau sensor kedalaman; AI modern dapat memperkirakan kedalaman dari satu gambar. Panduan ini mencakup kegunaan peta kedalaman, cara kerja estimasi, dan di mana pendekatan AI berhasil maupun gagal.

Jawaban cepat: bagaimana membuat peta kedalaman dari foto?

Unggah foto ke generator peta kedalaman yang menggunakan model estimasi kedalaman terlatih, dan itu akan menghasilkan gambar kedalaman grayscale di mana kecerahan sesuai dengan jarak dari kamera. Anda kemudian dapat menggunakan peta kedalaman itu untuk menggerakkan animasi paralaks, mensimulasikan bokeh, atau memfokuskan ulang area tertentu. Estimasi ini bagus pada foto dengan pemisahan subjek yang jelas terhadap latar belakang, dan lebih lemah pada adegan datar atau objek tumpang tindih yang kompleks. Background remover menyelesaikan tugas terkait — memisahkan subjek dari latar belakang — menggunakan pendekatan segmentasi serupa.

Untuk apa peta kedalaman digunakan?

Peta kedalaman memungkinkan beberapa efek yang tidak dapat dilakukan oleh foto datar sendirian.

• Mode potret pada ponsel menggunakan peta kedalaman untuk mengaburkan latar belakang di belakang subjek.
• Efek paralaks menganimasikan foto diam menjadi gerakan 3D yang halus.
• Fokus ulang memungkinkan Anda mengubah apa yang tajam setelah pengambilan.

Benang merahnya adalah bahwa kedalaman menambahkan dimensi informasi ketiga — jarak — pada gambar yang jika tidak datar, yang membuka efek meniru cara kerja lensa dan mata nyata.

Bagaimana estimasi kedalaman bekerja?

Mengestimasi kedalaman dari satu gambar 2D adalah tugas machine learning. Model ini dilatih pada pasangan gambar datar dan peta kedalaman aslinya (sering kali ditangkap dengan sensor kedalaman), dan ia mempelajari petunjuk yang menunjukkan jarak: ukuran relatif, konvergensi perspektif, kabut atmosfer, oklusi, dan fokus.

• Model menggabungkan petunjuk ini untuk memprediksi nilai kedalaman per piksel.
• Ia menggeneralisasi dari pelatihan ke gambar baru yang belum pernah dilihatnya.
• Akurasi bervariasi — itu adalah tebakan berdasarkan petunjuk visual, bukan pengukuran.

Hasilnya adalah peta kedalaman yang masuk akal, bukan yang tepat. Untuk efek yang membutuhkan kedalaman perkiraan — bokeh, paralaks — peta yang masuk akal sudah cukup. Untuk efek yang membutuhkan jarak pasti — pengukuran, penempatan AR — estimasinya tidak dapat diandalkan.

Kapan estimasi kedalaman bekerja dengan baik?

Model menangani beberapa adegan dengan bersih dan kesulitan dengan yang lain, dan mengetahui perbedaannya mengatur ekspektasi.

• Subjek yang jelas melawan latar belakang — model memisahkan lapisannya dengan baik.
• Adegan dengan perspektif kuat — koridor, jalan — memberikan petunjuk yang baik bagi model.
• Potret dengan orang di depan latar belakang yang berbeda.
• Adegan di mana objek yang lebih dekat secara jelas mengoklusi objek yang lebih jauh.

Dalam kasus ini peta kedalaman cukup tajam untuk menggerakkan bokeh dan paralaks yang meyakinkan. Efeknya terlihat alami karena pemisahan subjek-latar belakang itu nyata.

Di mana estimasi kedalaman gagal?

• Dinding datar tidak memiliki informasi kedalaman untuk diestimasi.
• Kaca dan cermin membingungkan model karena "latar belakang" adalah pantulan.
• Struktur halus seperti rambut menghasilkan peta kedalaman yang bising.

Untuk kasus ini, peta kedalaman memerlukan pembersihan manual, atau efek tersebut harus dihindari. Object removal guide mencakup pembersihan terkait dari area sulit, dan blur background guide mencakup efek bokeh yang dimungkinkan oleh peta kedalaman.

Menyempurnakan peta kedalaman yang dihasilkan

Peta kedalaman mentah dari estimator AI jarang sempurna, dan efek yang bergantung pada tepi bersih — terutama bokeh — mengungkapkan ketidaksempurnaan. Menyempurnakan peta adalah langkah yang mengubah perkiraan kasar menjadi efek yang dapat digunakan.

Beberapa menit pembersihan pada tepi subjek menghasilkan bokeh yang jauh lebih baik, karena blur mengikuti batas bersih alih-alih merembes ke subjek. Penyempurnaan yang sama membantu paralaks, di mana peta kedalaman yang bising menghasilkan gerakan yang bergetar dan tidak alami. Aturannya adalah menghabiskan waktu pembersihan pada tepi subjek — di sanalah setiap efek berbasis kedalaman paling terlihat — dan menerima kedalaman yang lebih kasar di latar belakang di mana ketidaksempurnaan kurang terlihat.

Menggunakan peta kedalaman untuk paralaks dan bokeh

Setelah Anda memiliki peta kedalaman, efeknya digerakkan dengan membagi gambar menjadi lapisan-lapisan kedalaman. Untuk paralaks, setiap lapisan bergeser berdasarkan jumlah yang proporsional dengan kedalamannya saat sudut pandang bergerak, menghasilkan efek 3D dari foto diam. Untuk bokeh, piksel di luar kedalaman yang dipilih diburamkan untuk mensimulasikan depth of field yang dangkal.

Efek bokeh adalah penggunaan konsumen paling umum dari peta kedalaman — inilah yang dilakukan mode potret pada ponsel, memisahkan subjek dari latar belakang dan mengaburkan latar belakang untuk meniru lensa cepat. Kualitas bokeh sepenuhnya bergantung pada kualitas peta kedalaman di tepi subjek, itulah sebabnya mode potret kesulitan dengan rambut dan menghasilkan halos yang terlihat. Duotone guide mencakup efek berbasis lapisan yang berbeda, dan untuk fondasi teknis estimasi kedalaman monokular, MiDaS paper by Ranftl et al. mendokumentasikan model yang banyak digunakan.

Mozilla WebGL documentation mencakup rendering efek paralaks di peramban. Peta kedalaman adalah alat kreatif, bukan perangkat pengukuran — gunakan untuk efek di mana kedalaman yang masuk akal sudah cukup, dan cari sensor kedalaman sejati ketika akurasi diperlukan. Ekspektasi yang tepat membuat perbedaan besar.

Pertanyaan yang sering diajukan

Untuk apa peta kedalaman digunakan?

Untuk efek 3D dan paralaks — kemiringan 3D palsu, gulir paralaks, blur mode potret (bokeh) pada ponsel. Peta kedalaman memberi tahu efek seberapa jauh setiap piksel dari kamera, sehingga dapat bergeser atau kabur berdasarkan jarak.

Bagaimana estimasi kedalaman bekerja?

Model yang dilatih pada data kedalaman memprediksi, per piksel, seberapa jauh subjek dari kamera, menghasilkan peta grayscale di mana kecerahan mengkodekan jarak. Ini berfungsi dengan baik pada subjek jelas dengan petunjuk kedalaman yang jelas; ini gagal pada adegan datar atau ambigu.

Di mana estimasi kedalaman gagal?

Pada objek transparan, cermin, permukaan tanpa fitur, dan adegan di mana petunjuk kedalaman ambigu. Model menebak salah dan paralaks atau blur terlihat rusak. Perbaiki peta yang dihasilkan secara manual pada area kegagalan.

Bisakah saya menyempurnakan peta kedalaman yang dihasilkan?

Ya — lukis koreksi pada peta di tempat model salah, lalu masukkan peta yang dikoreksi ke efek tersebut. Peta yang dihasilkan adalah titik awal; penyempurnaan manual memperbaiki area di mana estimasi gagal.

Bisakah peta kedalaman mengaburkan latar belakang seperti mode potret?

Ya — itulah persis apa yang dilakukan mode potret ponsel. Peta kedalaman memberi tahu efek seberapa jauh setiap piksel, sehingga ia mengaburkan piksel yang jauh (latar belakang) dan menjaga piksel dekat (subjek) tetap tajam, mensimulasikan depth of field yang dangkal.

Seberapa akurat peta kedalaman yang dihasilkan?

Cukup akurat pada subjek jelas dengan petunjuk kedalaman yang jelas (seseorang di depan latar belakang), tetapi mereka gagal pada objek transparan, cermin, dan adegan ambigu. Anggap peta yang dihasilkan sebagai titik awal dan sempurnakan secara manual pada area kegagalan. Model menebak per piksel; di mana ia salah tebak, efek paralaks atau blur akan rusak.

Buka alat Imagic AI terkait