Penjana Peta Kedalaman: Tambah Kedalaman 3D dan Parallax pada Foto

Dikemaskini kali terakhir: June 28, 2026. Model penganggaran kedalaman terus bertambah baik setiap tahun; prinsip teras penggunaan peta kedalaman kekal sama.

Peta kedalaman ialah imej skala kelabu di mana kecerahan setiap piksel mewakili jarak titik itu dari kamera — cerah untuk dekat, gelap untuk jauh. Peta kedalaman menggerakkan kesan paralaks 3D, kabur latar belakang mod potret, memfokus semula selepas pengambilan gambar, dan AR. Menjana satu daripada foto rata dahulunya memerlukan kamera berganda atau sensor kedalaman; AI moden boleh menganggarkan kedalaman dari satu imej. Panduan ini merangkumi kegunaan peta kedalaman, cara penganggaran berfungsi, dan di mana pendekatan AI berjaya dan gagal.

Jawapan ringkas: bagaimana anda menjana peta kedalaman daripada foto?

Muat naik foto ke penjana peta kedalaman yang menggunakan model estimasi kedalaman terlatih, dan ia akan menghasilkan imej kedalaman skala kelabu di mana kecerahan bersamaan dengan jarak dari kamera. Anda kemudian boleh menggunakan peta kedalaman itu untuk menggerakkan animasi paralaks, mensimulasikan bokeh, atau memfokuskan semula kawasan tertentu. Anggaran ini bagus pada foto dengan pemisahan subjek yang jelas berlatar belakang, dan lebih lemah pada adegan rata atau objek bertindih yang kompleks. background remover menyelesaikan tugas berkaitan — memisahkan subjek daripada latar belakang — menggunakan pendekatan segmentasi yang serupa.

Apakah kegunaan peta kedalaman (depth map)?

Peta kedalaman membolehkan beberapa kesan yang tidak dapat dilakukan oleh foto rata sahaja.

• Mod potret pada telefon menggunakan peta kedalaman untuk memburamkan latar belakang di belakang subjek.
• Kesan parallax menganimasikan foto statik menjadi pergerakan 3D yang halus.
• Melakukan fokus semula membolehkan anda mengubah apa yang tajam selepas mengambil gambar.

Benang merahnya ialah kedalaman menambah dimensi ketiga maklumat — iaitu jarak — kepada imej yang biasanya rata, yang membuka kunci kesan yang meniru cara lensa dan mata sebenar berfungsi.

Bagaimana anggaran kedalaman berfungsi?

Menganggarkan kedalaman daripada imej 2D tunggal adalah tugas pembelajaran mesin. Model ini dilatih menggunakan pasangan imej rata dan peta kedalaman sebenar mereka (selalunya ditangkap dengan sensor kedalaman), dan ia mempelajari petunjuk yang menunjukkan jarak: saiz relatif, konvergensi perspektif, kabus atmosfera, oklusi, dan fokus.

• Model ini menggabungkan petunjuk-petunjuk ini untuk meramalkan nilai kedalaman bagi setiap piksel.
• Ia membuat generalisasi daripada latihan kepada imej baharu yang belum pernah dilihatnya.
• Ketepatan berbeza-beza — ia adalah anggaran berdasarkan petunjuk visual, bukan pengukuran.

Hasilnya ialah peta kedalaman yang munasabah, bukan yang tepat. Untuk kesan yang memerlukan kedalaman anggaran — bokeh, paralaks — peta yang munasabah sudah memadai. Bagi kesan yang memerlukan jarak yang tepat — pengukuran, penempatan AR — anggaran itu tidak boleh dipercayai.

Bila anggaran kedalaman berfungsi dengan baik?

Model ini mengendalikan beberapa pemandangan dengan bersih dan bergelut dengan yang lain, dan mengetahui perbezaan itu menetapkan jangkaan.

• Subjek yang jelas berlatarbelakangkan latar belakang — model ini memisahkan lapisan dengan baik.
• Pemandangan dengan perspektif kuat — koridor, jalan raya — memberikan isyarat yang baik kepada model.
• Potret dengan seseorang di hadapan latar belakang yang jelas.
• Pemandangan di mana objek yang lebih dekat secara jelas menghalang objek yang lebih jauh.

Dalam kes ini, peta kedalaman cukup tajam untuk menghasilkan bokeh dan paralaks yang boleh dipercayai. Kesan itu kelihatan semula jadi kerana pemisahan subjek-latar belakang adalah nyata.

Di manakah anggaran kedalaman gagal?

• Dinding rata tiada maklumat kedalaman untuk dianggarkan.
• Kaca dan cermin mengelirukan model kerana "latar belakang" adalah pantulan.
• Struktur halus seperti rambut menghasilkan peta kedalaman yang bising.

Untuk kes-kes ini, peta kedalaman memerlukan pembersihan manual, atau kesan tersebut harus dielakkan. Panduan penghapusan objek meliputi pembersihan kawasan sukar yang berkaitan, dan panduan latar belakang kabur merangkumi kesan bokeh yang diaktifkan oleh peta kedalaman.

Memperhalusi peta kedalaman yang dijana

Peta kedalaman mentah daripada penganggur AI jarang sekali sempurna, dan kesan yang bergantung pada tepi yang bersih—terutamanya bokeh—akan mendedahkan ketidaksempurnaan itu. Memperhalusi peta ini adalah langkah yang menukar anggaran kasar menjadi kesan yang boleh digunakan.

Beberapa minit pembersihan pada tepi subjek menghasilkan bokeh yang jauh lebih baik, kerana kabur itu mengikut sempadan yang bersih dan bukannya merebak ke dalam subjek. Penambahbaikan yang sama membantu paralaks, di mana peta kedalaman yang bising akan menghasilkan pergerakan yang bergetar dan tidak semula jadi. Aturannya ialah meluangkan masa pembersihan pada tepi subjek—kerana di situlah setiap kesan yang didorong oleh kedalaman paling ketara dilihat—dan menerima kedalaman yang lebih kasar di latar belakang di mana ketidaksempurnaan kurang ketara.

Menggunakan peta kedalaman untuk parallax dan bokeh

Setelah anda mempunyai peta kedalaman, kesan-kesan tersebut didorong oleh pemotongan imej kepada lapisan kedalaman. Untuk parallax, setiap lapisan beralih mengikut jumlah yang berkadar dengan kedalamannya apabila titik pandangan bergerak, menghasilkan kesan 3D daripada foto statik. Untuk bokeh, piksel melebihi kedalaman yang dipilih dikaburkan untuk mensimulasikan kedalaman medan yang cetek.

Kesan bokeh adalah penggunaan peta kedalaman pengguna yang paling biasa — ia adalah apa yang dilakukan oleh mod potret pada telefon, memisahkan subjek daripada latar belakang dan mengaburkan latar belakang untuk meniru lensa pantas. Kualiti bokeh bergantung sepenuhnya pada kualiti peta kedalaman di tepi subjek, itulah sebabnya mod potret bergelut dengan rambut dan menghasilkan halo yang kelihatan. duotone guide merangkumi kesan berasaskan lapisan yang berbeza, dan untuk asas teknikal anggaran kedalaman monokular, MiDaS paper by Ranftl et al. mendokumenkan model yang digunakan secara meluas.

Mozilla WebGL documentation merangkumi pemaparan kesan parallax dalam pelayar. Peta kedalaman adalah alat kreatif, bukan peranti pengukuran — gunakan ia untuk kesan di mana kedalaman yang munasabah sudah memadai, dan cari pengesanan kedalaman sebenar apabila ketepatan diperlukan. Jangkaan yang tepat membuat perbezaan besar.

Soalan Lazim

Apakah kegunaan peta kedalaman?

Untuk kesan 3D dan paralaks — kemiringan 3D palsu, guliran paralaks, kabur mod potret (bokeh) pada telefon. Peta kedalaman memberitahu kesan itu sejauh mana setiap piksel dari kamera, jadi ia boleh beralih atau kabur mengikut jarak.

Bagaimana penganggaran kedalaman berfungsi?

Model yang dilatih pada data kedalaman meramalkan, bagi setiap piksel, sejauh mana subjek dari kamera, menghasilkan peta kelabu (grayscale) di mana kecerahan menyandikan jarak. Ia berfungsi dengan baik pada subjek jelas dengan petunjuk kedalaman yang ketara; ia gagal pada adegan rata atau kabur.

Di manakah penganggaran kedalaman gagal?

Pada objek lutsinar, cermin, permukaan tanpa ciri, dan adegan di mana petunjuk kedalaman adalah kabur. Model membuat tekaan yang salah dan paralaks atau kaburnya kelihatan rosak. Perhalusi peta yang dijana secara manual pada kawasan kegagalan.

Bolehkah saya memperhalusi peta kedalaman yang dijana?

Ya — lukis pembetulan pada peta di mana model itu salah, kemudian masukkan peta yang diperbetulkan itu ke dalam kesan tersebut. Peta yang dijana adalah titik permulaan; pemurnian manual membaiki kawasan di mana anggaran gagal.

Bolehkah peta kedalaman mengaburkan latar belakang seperti mod potret?

Ya — itulah yang dilakukan oleh mod potret telefon. Peta kedalaman memberitahu kesan itu sejauh mana setiap piksel, jadi ia mengaburkan piksel jauh (latar belakang) dan mengekalkan piksel dekat (subjek) tajam, mensimulasikan kedalaman medan yang cetek.

Seberapa tepat peta kedalaman yang dijana?

Cukup tepat pada subjek jelas dengan petunjuk kedalaman yang ketara (seseorang di hadapan latar belakang), tetapi ia gagal pada objek lutsinar, cermin, dan adegan kabur. Anggap peta yang dijana sebagai titik permulaan dan perhalusi secara manual pada kawasan kegagalan. Model membuat tekaan bagi setiap piksel; di mana ia membuat tekaan yang salah, kesan paralaks atau kaburnya akan terputus.

Buka alat Imagic AI yang berkaitan