Utvikler Eric Chung beskriver en trelags strategi og Lab-fargekorrigering for å fjerne fargeartefakter ved bakgrunnsutskifting.
I systemet for kunstlig intelligens (KI) i VividFlow peker Chung på at standard RGB-alpha-blending ofte etterlater gule «halo»-artefakter fordi kantpiksler bevarer farge fra originalbakgrunnen. Han flytter sluttbehandlingen til Lab-fargerommet for å skille lyshet (L) fra krominans (a og b) og fjerne fargekast ved chroma vektordeprejektering uten å skade luminans. Arbeidsflyten omfatter bildeforberedelse (maks 1024 px), semantisk analyse med OpenCLIP, promptforbedring, og bakgrunnsgenerering med Stable Diffusion XL (DPM-Solver++ 25 steg, guide 7.5). Maskegenerering bruker en trelags fallback: BiRefNet først, deretter U²-Net via rembg, og til slutt tradisjonelle gradientmetoder. Perceptuell fuses skjer i Lab med adaptiv demping basert på fargelikhet og multiskala kantforfining; det finnes også egen logikk for å bevare konturer og flate farger i illustrasjoner.
Relevans for Norge: Metodene gjelder verktøy som brukes av norske medieprodusenter og utviklere i bilde- og videoredigering; temaet følges i AI-nyheter.
Kilde: https://towardsdatascience.com/from-rgb-to-lab-addressing-color-artifacts-in-ai-image-compositing | Sammendraget er KI-generert med OpenAI API og kvalitetssikret av redaksjonen i Ainy.no
