画像をアップロードせずに背景を削除する:WebGPUでブラウザ内処理

背景削除・トリミングコラム

執筆:松村 誠(植木鉢団 代表)

未公開のイラストを、どこかのサーバーに預けたくない。

Kirinukumaでは、画像がネットワークに出る経路そのものがありません。
送っているものと動いている場所を書いておきます。

送られるのは画像ではなくモデル

背景の判定にはAIモデルを使います。
このモデルを置く場所は2通りあり、サーバーに置いて画像を送ってもらうか、モデルのほうをブラウザへ渡すかです。

Kirinukumaは後者です。
初回に約158MBのモデルファイルがブラウザへダウンロードされ、以降の処理はすべてそのパソコンの中で完結します。
画像がアップロードされることはありません。

モデルは、公開されている背景抽出モデルBEN2(MITライセンス)の、半精度(fp16)で書き出されたONNX版をそのまま使っています。
配信するときだけ圧縮していて、約158MBで届いたものを、ブラウザが約209MBに展開します。
展開したファイルはハッシュ値で検証してから読み込むので、途中で壊れたり差し替わったりしたものは弾かれます。※モデルは2回目以降キャッシュから読み込まれます。毎回158MBを落とすわけではありません。

通信が発生するところ

ページを開いてから切り抜きが終わるまでの間に、ネットワークを通るものは次のとおりです。

  • ページ本体(表示に必要なファイル一式)
  • AIモデルと、それをブラウザで動かすための実行環境(初回のみ)
  • 広告の配信
  • アクセス解析(Cloudflare Web Analytics。ページの閲覧の記録で、Cookie は使いません)

投入した画像は、このどれにも含まれません。
処理はタブの中で完結し、結果はブラウザからファイルとして書き出す形になります。広告の配信とアクセス解析の扱いはプライバシーポリシーに記載しています。

WebGPUが必要な理由

ブラウザの中でAIモデルを動かすには、計算を担当する仕組みが要ります。
そこで使っているのがWebGPUで、パソコンに載っているGPUをブラウザから使うための機能です。

このモデルは、推論の途中で256MiBの作業領域をひとつのまとまりとして確保します。
CPU側で肩代わりする方式では現実的に載らないため、Kirinukumaは対応環境をWebGPUに絞っています。

かかる時間はGPUの性能によって変わります。
速い環境なら1枚あたり数秒で切り抜きから余白の切り詰めまで終わりますが、そうでなければもう少しかかります。
手元でどのくらいかかるかは、サンプル画像で一度試してみるのが確実です。

引き換えになっているもの

この構成には条件が付きます。

  • 初回に158MBの通信が発生する
  • デスクトップ版のChromeまたはEdgeの最新版が必要
  • GPU側に十分なメモリ(256MiB以上)が必要で、スマートフォンやタブレットでは動かない

動かない環境では、158MBのダウンロードが始まる前に判定して表示します。
待たされた末に動かない、という形にはならないようにしています。

条件を満たすかどうかの確認は「ご利用の環境では動作しません」と出たときにまとめました。

モデルの保存場所

2回目以降に使うモデルは、ブラウザがサイトごとに管理するキャッシュ用の保存領域に置いています。
パソコンのフォルダにファイルとして見える形では保存されません。

そのため、ブラウザの設定でこのサイトの「Cookieとサイトデータ」を消すと、モデルも一緒に消えます。
次に開いたときは、もう一度158MBのダウンロードから始まります。

保存しているのは展開したあとのファイルなので、使っている間は保存領域を約209MBぶん占めています。
使わなくなった場合は、ブラウザの設定からこのサイトのデータを削除すれば消えます。

初回は回線を選ぶ

初回の158MBは、スマートフォンのテザリングや、通信量に上限のある回線だと負担になります。
はじめて使うときは、Wi-Fiなど通信量を気にしなくてよい回線で開いておくと、2回目以降はモデルの分の通信が発生しません。