Przegląd projektu
Zespół klienta przygotowywał duże wolumeny własnych materiałów zdjęciowych. Ręczny retusz i oczyszczanie grafik stały się wąskim gardłem operacyjnym.
case study / Model AI do Usuwania Znaków Wodnych i Retuszu Zdjęć
Model AI do Usuwania Znaków Wodnych i Retuszu Zdjęć
Zespół klienta przygotowywał duże wolumeny własnych materiałów zdjęciowych. Ręczny retusz i oczyszczanie grafik stały się wąskim gardłem operacyjnym.
PythonPyTorchFastAPIDockerGPU inference
Problem
Obróbka zdjęć była czasochłonna, trudna do skalowania i zbyt zależna od ręcznej pracy przy powtarzalnych poprawkach.
Architektura
Pipeline GPU z warstwą inferencji wystawioną jako API, kolejką zadań wsadowych, etapem kontroli jakości i profilem przetwarzania dostosowanym do typu obrazu.
Rozwiązanie
- • Przygotowano usługę przetwarzania obrazów działającą wsadowo i na żądanie
- • Dodano profile retuszu dla różnych scenariuszy publikacji materiałów
- • Wprowadzono etap walidacji wyników dla zdjęć o niższej pewności modelu
Rezultaty
- • Mniej ręcznej pracy przy seryjnym przygotowaniu zdjęć
- • Szybszy obieg materiałów do publikacji
- • Powtarzalny proces zamiast pojedynczych działań graficznych ad hoc
kolejny krok