사진을 올리면 피사체를 자동으로 찾아 배경을 지우고 투명 PNG 로 만들어요. 흰색이나 원하는 색, 원본을 흐린 배경으로 바꿔 JPG 로 받을 수도 있어요. 여느 배경 제거 사이트와 다른 점은 사진이 서버로 올라가지 않는다는 것이에요. 분할 모델이 브라우저 안에서 돌아가고, 결과는 원본 해상도 그대로예요. 워터마크도 장수 제한도 없어요. 처음 한 번 모델(약 90MB)을 내려받고, 다음부터는 캐시에서 바로 열려요.
WebGPU 가 있는 브라우저(크롬·엣지·사파리 26 이상)에서는 한 장에 1초 안팎이에요. 없으면 CPU 로 돌아 10~40초 걸릴 수 있어요. 화면 위에 어느 쪽으로 돌고 있는지 표시해요.
사진의 픽셀마다 «피사체인가, 배경인가» 를 0에서 1 사이 값으로 매겨요. 이 값의 지도가 마스크이고, 마스크를 알파 채널로 붙이면 배경이 투명한 PNG 가 돼요.
마스크를 만드는 건 분할(segmentation) 신경망이에요. 여기서는 ISNet 이라는 공개 모델을 써요. 고해상도 물체 분할을 목표로 학습된 모델이라 사람뿐 아니라 제품·동물·글씨·로고도 다뤄요.
모델은 1024×1024 로 줄인 사진을 보고 같은 크기의 마스크를 내요. 그 마스크를 원본 크기로 부드럽게 늘려 붙이기 때문에 결과는 원본 해상도예요. 단, 마스크의 정밀도는 1024 기준이라 아주 큰 사진의 미세한 가장자리는 약간 뭉개져 보일 수 있어요.
대부분의 배경 제거 서비스는 사진을 서버로 보내 처리해요. 그 사진이 얼마나 보관되는지, 학습에 쓰이는지는 서비스마다 다르고, 약관을 읽어야 알 수 있어요.
여기서는 방향이 반대예요. 모델 파일이 브라우저로 내려오고, 사진은 그 자리에 있어요. 개발자도구의 네트워크 탭을 열어 두면 사진이 나가는 요청이 없는 걸 직접 볼 수 있어요.
그래서 미출시 제품 컷, 계약 전 시안, 아이 사진, 신분증에 쓸 사진처럼 밖에 두고 싶지 않은 사진에 맞아요.
브라우저에 WebGPU 가 있으면 모델이 그래픽 칩에서 돌아요. 데스크톱 크롬·엣지, 맥과 아이폰의 사파리 26 이상, 안드로이드 크롬이 해당하고, 한 장에 1초 안팎이에요.
WebGPU 가 없으면 CPU(WebAssembly)로 돌아요. 이때는 한 장에 10초에서 40초까지 걸릴 수 있어요. 노트북과 폰의 차이가 크고, 화면 위 표시로 어느 쪽인지 알려 줘요.
여러 장을 올리면 한 장씩 차례로 처리해요. 동시에 돌리면 메모리가 한 번에 늘어나 폰에서 멈추기 쉬워서요.
잘 되는 것: 배경과 색·밝기가 다른 피사체, 한두 개의 주요 피사체, 흰 벽이나 단색 앞에서 찍은 제품·인물.
어려운 것: 배경과 비슷한 색의 머리카락이나 옷, 유리·연기·물처럼 반투명한 것, 그물·나뭇가지처럼 배경이 비쳐 보이는 구조, 화면의 5% 도 안 되는 작은 피사체.
결과가 아쉬우면 사진을 바꾸는 게 빨라요. 배경이 단순한 다른 각도, 피사체와 대비가 큰 조명, 조금 더 크게 찍은 사진이면 마스크가 눈에 띄게 좋아져요.
투명(PNG)은 다른 이미지 위에 얹을 때 써요. 발표 자료, 쇼핑몰 상세 페이지, 스티커, 프로필 컷이 그 경우고, PNG 는 알파 채널을 그대로 담아요.
흰색은 쇼핑몰 대표 이미지와 증명사진 규격이 요구하는 경우가 많아요. JPG 로 받으면 파일이 훨씬 작아요.
원하는 색은 브랜드 색 배경이나 SNS 썸네일에, 원본 흐림은 인물 사진에서 배경만 흐리게 만드는 «보케» 효과를 흉내 낼 때 써요. 배경은 나중에 바꿔도 다시 처리하지 않고 합성만 다시 해요.
투명 PNG 는 같은 픽셀의 JPG 보다 훨씬 커요. 웹에 올릴 거면 «이미지 압축» 에서 WebP 로 바꾸면 알파를 유지하면서 크게 줄어요.
증명사진은 «흰색» 배경으로 받은 뒤 «증명사진 크롭» 에서 나라별 규격(35×45mm 등)에 맞춰 자르세요. 배경을 바꾼 사진을 그대로 내면 머리 비율이 맞지 않아 반려될 수 있어요.
아이폰 HEIC 사진은 브라우저가 바로 읽지 못하는 경우가 있어요. 먼저 «HEIC → JPG» 로 바꾸고 올리세요.
모델은 ISNet(Dichotomous Image Segmentation, Qin 외 2022)의 일반용 가중치예요. Apache-2.0 라이선스로 공개된 것을 브라우저에서 돌 수 있게 fp16 ONNX 로 변환해 이 사이트에서 직접 서빙해요.
실행은 ONNX Runtime Web 이 맡아요. 외부 CDN 을 부르지 않고 모델도 코드도 이 도메인에서 와요. 그래서 이 도구를 한 번 열어 둔 뒤에는 비행기 모드에서도 돌아요.
모델이 학습한 사진과 아주 다른 종류(의료 영상·위성 사진·도면)에서는 결과가 나쁠 수 있어요. 일상 사진·제품·인물이 학습 분포의 중심이에요.
아니요. 배경을 찾는 모델이 브라우저 안에서 실행돼요. 네트워크로 오가는 건 처음 한 번 받는 모델 파일과 페이지 코드뿐이고, 사진 자체는 기기를 떠나지 않아요. 미공개 제품 사진이나 다른 사람 얼굴이 들어간 사진에서 이 차이가 실제로 중요해요.
아니요. 결과는 원본 해상도 그대로예요. 긴 변이 4096px 를 넘는 사진만 그 크기로 줄여 합성해요. 워터마크도 장수 제한도 없어요.
대체로 자연스럽게 나오지만 완벽하지는 않아요. 배경과 색이 비슷한 머리카락, 유리·그물처럼 반투명한 것, 아주 작은 피사체는 경계가 흐릿하거나 조금 먹힐 수 있어요. 피사체와 배경의 대비가 클수록 좋고, 결과가 아쉬우면 조명이 다른 사진을 써 보세요.
배경을 찾는 신경망 가중치예요. 서버에서 처리하는 서비스는 이걸 서버가 갖고 있지만, 여기서는 사진을 안 올리는 대신 모델이 브라우저로 와요. 한 번 받으면 브라우저 캐시에 남아 다음부터는 바로 열려요. 모바일 데이터에서는 와이파이에서 처음 열어 두는 게 좋아요.
네. 배경에서 «흰색» 을 고르고 JPG 로 받으세요. 규격에 맞게 자르는 건 «증명사진 크롭» 도구에서 이어서 하면 돼요. 단, 제출 기관마다 배경 균일도 기준이 있어서 가장자리를 확인하고 내세요.
이 도구가 무엇을 근거로 계산하고 어디까지 답할 수 있는지 밝혀요.
사진을 1024×1024 로 줄여 (x/255 − 0.5) 로 정규화하고 ISNet(fp16 ONNX)에 넣어요. 출력 확률 지도를 최소·최대로 펴 0~255 알파로 만든 뒤, 원본 크기(긴 변 4096px 상한)로 부드럽게 확대해 원본에 알파로 붙여요. 배경 교체는 그 알파를 두고 아래에 색이나 흐린 원본을 깔아 다시 합성해요. 추론은 WebGPU 가 있으면 GPU, 없으면 WebAssembly(CPU)로 브라우저 안에서 실행돼요.3000×2000px 사진: 모델 입력은 1024×1024, 출력 마스크도 1024×1024 예요. 마스크를 3000×2000 으로 확대해 붙이면 결과 PNG 는 3000×2000 이고, 긴 변이 4096 이하라 줄이지 않아요. 6000×4000 사진이면 4096×2731 로 줄여 합성해요.