Fundstück

Disappearing People: Dieses Tensorflow-Projekt entfernt Personen aus einem Webcam-Live-Bild per KI

(Foto: R R / Shutterstock)

Entwickler Jason Mayes stellt ein KI-Experiment auf der Basis von Tensorflow vor. Sein Code entfernt Menschen aus Webcam-Bildern.

Jason Mayes hat ein interessantes Experiment für euch, das ihr auf Glitch selber ausprobieren könnt. Alternativ steht das Projekt auch für die Eigenimplementation auf GitHub unter dem Namen „Real-Time-Person-Removal“ bereit.

Nix mehr verpassen: Die t3n Newsletter zu deinen Lieblingsthemen! Jetzt anmelden

Wenn deine Webcam dich nicht mehr zeigt, obwohl du da bist

Mayes hat einen Algorithmus auf Basis des Machine-Learning-Frameworks Tensorflow aus dem Hause Google entwickelt, der in der Lage ist, Personen aus dem Live-Bild einer Webcam zu entfernen. Dazu lernt die KI in Echtzeit. Die einzige Voraussetzung ist, dass sich die zu entfernende Person bewegt und die Umgebung ansonsten statisch ist. Komplexe Hintergründe verschlechtern zwar das Ergebnis ein wenig, stellen aber kein gravierendes Hindernis dar.

Im folgenden Video zeigt Mayes sein eigenes Experiment. Im oberen Teilbild seht ihr Mayes ohne aktivierte KI, im unteren Teilbild seht ihr die KI in Aktion. Mayes bewegt sich zunächst recht nah vor der Kamera und kommt dann weiter hinten erneut ins Bild. Klar zu erkennen ist, dass die KI umso besser funktioniert, je weiter die Person von der Kamera entfernt ist.

Mayes Code lernt schnell

Mayes Code braucht scheinbar nur wenige Sekunden, um die sich vor der Kamera bewegende Person zu erkennen. Tatsächlich kümmert sich der Algorithmus aber gar nicht um die Person, sondern um den Hintergrund und rechnet alles heraus, was nicht Hintergrund ist.

Das Ergebnis wird schnell sichtbar und soll mit zunehmender Ausführung immer besser werden. Die besten Ergebnisse sollen erzielt werden, wenn sich neben der Person weitere Elemente im Hintergrund bewegen. Dabei müsste allerdings darauf geachtet werden, dass sich die Bewegungspfade nicht kreuzen.

Mehr als rund 250 Zeilen JavaScript hat Mayes zusätzlich zum Tensorflow-Framework nicht benötigt, um das gezeigte Experiment zu realisieren. Probiert es selbst aus. Das funktioniert auf dem bereits oben genannten Glitch, sowie auf Codepen. Ihr müsst der Website logischerweise Zugriff auf eure Webcam geben.

Passend dazu: Machine Learning: Google setzt mit Tensorflow Enterprise und Tensorboard.dev Akzente gegen Pytorch

Bitte beachte unsere Community-Richtlinien

Wir freuen uns über kontroverse Diskussionen, die gerne auch mal hitzig geführt werden dürfen. Beleidigende, grob anstößige, rassistische und strafrechtlich relevante Äußerungen und Beiträge tolerieren wir nicht. Bitte achte darauf, dass du keine Texte veröffentlichst, für die du keine ausdrückliche Erlaubnis des Urhebers hast. Ebenfalls nicht erlaubt ist der Missbrauch der Webangebote unter t3n.de als Werbeplattform. Die Nennung von Produktnamen, Herstellern, Dienstleistern und Websites ist nur dann zulässig, wenn damit nicht vorrangig der Zweck der Werbung verfolgt wird. Wir behalten uns vor, Beiträge, die diese Regeln verletzen, zu löschen und Accounts zeitweilig oder auf Dauer zu sperren.

Trotz all dieser notwendigen Regeln: Diskutiere kontrovers, sage anderen deine Meinung, trage mit weiterführenden Informationen zum Wissensaustausch bei, aber bleibe dabei fair und respektiere die Meinung anderer. Wir wünschen Dir viel Spaß mit den Webangeboten von t3n und freuen uns auf spannende Beiträge.

Dein t3n-Team

Schreib den ersten Kommentar!

Melde dich mit deinem t3n Account an oder fülle die unteren Felder aus.

Bitte schalte deinen Adblocker für t3n.de aus!

Hey du! Schön, dass du hier bist. 😊

Bitte schalte deinen Adblocker für t3n.de aus, um diesen Artikel zu lesen.

Wir sind ein unabhängiger Publisher mit einem Team bestehend aus 65 fantastischen Menschen, aber ohne riesigen Konzern im Rücken. Banner und ähnliche Werbemittel sind für unsere Finanzierung sehr wichtig.

Danke für deine Unterstützung.

Digitales High Five,
Stephan Dörner (Chefredakteur t3n.de) & das gesamte t3n-Team

Anleitung zur Deaktivierung