ML Kit を使用した自撮り写真のセグメンテーション(iOS)

ML Kit は、自撮り写真のセグメンテーション向けに最適化された SDK を提供します。自撮り写真セグメンテーションのアセットは、ビルド時にアプリに静的にリンクされます。これにより、アプリのサイズが最大 24 MB 増加します。iPhone X で測定した場合、API レイテンシは入力画像のサイズに応じて最大 7 ミリ秒から最大 12 ミリ秒まで変動する可能性があります。

試してみる

始める前に

  1. Podfile に次の ML Kit ライブラリを含めます。

    pod 'GoogleMLKit/SegmentationSelfie', '3.2.0'
    
  2. プロジェクトの Pod をインストールまたは更新したら、xcworkspace を使用して Xcode プロジェクトを開きます。ML Kit は Xcode バージョン 13.2.1 以降でサポートされています。

1. Segmenter のインスタンスを作成する

自撮り画像でセグメンテーションを行うには、まず SelfieSegmenterOptionsSegmenter のインスタンスを作成し、必要に応じてセグメンテーション設定を指定します。

セグメント化ツールのオプション

セグメンタ モード

Segmenter は 2 つのモードで動作します。ユースケースに合ったものを選択してください。

STREAM_MODE (default)

このモードは、動画やカメラからのフレームのストリーミング用に設計されています。このモードでは、セグメント化ツールは前のフレームからの結果を利用して、より滑らかなセグメンテーション結果を返します。

SINGLE_IMAGE_MODE (default)

このモードは、関連性のない 1 つの画像向けに設計されています。このモードでは、セグメンタは各画像を個別に処理し、フレームを平滑化しません。

未加工サイズのマスクを有効にする

モデルの出力サイズに一致する未加工サイズのマスクを返すよう、セグメンタに指示します。

未加工のマスクサイズ(256x256 など)は通常、入力画像サイズよりも小さくなります。

このオプションを指定しなかった場合、セグメント化ツールによって、入力画像のサイズに合わせて未加工のマスクが再スケーリングされます。カスタマイズされた再スケーリング ロジックを適用する場合や、ユースケースで再スケーリングが不要な場合は、このオプションの使用を検討してください。

セグメンタ オプションを指定します。

Swift

let options = SelfieSegmenterOptions()
options.segmenterMode = .singleImage
options.shouldEnableRawSizeMask = true

Objective-C

MLKSelfieSegmenterOptions *options = [[MLKSelfieSegmenterOptions alloc] init];
options.segmenterMode = MLKSegmenterModeSingleImage;
options.shouldEnableRawSizeMask = YES;

最後に、Segmenter のインスタンスを取得します。指定したオプションを渡します。

Swift

let segmenter = Segmenter.segmenter(options: options)

Objective-C

MLKSegmenter *segmenter = [MLKSegmenter segmenterWithOptions:options];

2. 入力画像を準備する

自撮り写真を分割するには、画像または動画フレームごとに次の操作を行います。 ストリーム モードを有効にした場合は、CMSampleBuffer から VisionImage オブジェクトを作成する必要があります。

UIImage または CMSampleBuffer を使用して VisionImage オブジェクトを作成します。

UIImage を使用する場合の手順は次のとおりです。

  • UIImage を使用して VisionImage オブジェクトを作成します。正しい .orientation を指定してください。

    Swift

    let image = VisionImage(image: UIImage)
    visionImage.orientation = image.imageOrientation

    Objective-C

    MLKVisionImage *visionImage = [[MLKVisionImage alloc] initWithImage:image];
    visionImage.orientation = image.imageOrientation;

CMSampleBuffer を使用する場合の手順は次のとおりです。

  • CMSampleBuffer に含まれる画像データの向きを指定します。

    画像の向きを取得するには:

    Swift

    func imageOrientation(
      deviceOrientation: UIDeviceOrientation,
      cameraPosition: AVCaptureDevice.Position
    ) -> UIImage.Orientation {
      switch deviceOrientation {
      case .portrait:
        return cameraPosition == .front ? .leftMirrored : .right
      case .landscapeLeft:
        return cameraPosition == .front ? .downMirrored : .up
      case .portraitUpsideDown:
        return cameraPosition == .front ? .rightMirrored : .left
      case .landscapeRight:
        return cameraPosition == .front ? .upMirrored : .down
      case .faceDown, .faceUp, .unknown:
        return .up
      }
    }
          

    Objective-C

    - (UIImageOrientation)
      imageOrientationFromDeviceOrientation:(UIDeviceOrientation)deviceOrientation
                             cameraPosition:(AVCaptureDevicePosition)cameraPosition {
      switch (deviceOrientation) {
        case UIDeviceOrientationPortrait:
          return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationLeftMirrored
                                                                : UIImageOrientationRight;
    
        case UIDeviceOrientationLandscapeLeft:
          return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationDownMirrored
                                                                : UIImageOrientationUp;
        case UIDeviceOrientationPortraitUpsideDown:
          return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationRightMirrored
                                                                : UIImageOrientationLeft;
        case UIDeviceOrientationLandscapeRight:
          return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationUpMirrored
                                                                : UIImageOrientationDown;
        case UIDeviceOrientationUnknown:
        case UIDeviceOrientationFaceUp:
        case UIDeviceOrientationFaceDown:
          return UIImageOrientationUp;
      }
    }
          
  • CMSampleBuffer オブジェクトと画面の向きを使用して、VisionImage オブジェクトを作成します。

    Swift

    let image = VisionImage(buffer: sampleBuffer)
    image.orientation = imageOrientation(
      deviceOrientation: UIDevice.current.orientation,
      cameraPosition: cameraPosition)

    Objective-C

     MLKVisionImage *image = [[MLKVisionImage alloc] initWithBuffer:sampleBuffer];
     image.orientation =
       [self imageOrientationFromDeviceOrientation:UIDevice.currentDevice.orientation
                                    cameraPosition:cameraPosition];

3.画像を処理する

VisionImage オブジェクトを Segmenter のいずれかの画像処理メソッドに渡します。非同期 process(image:) メソッドまたは同期 results(in:) メソッドを使用できます。

自撮り画像に対して同期的にセグメンテーションを実行するには:

Swift

var mask: [SegmentationMask]
do {
  mask = try segmenter.results(in: image)
} catch let error {
  print("Failed to perform segmentation with error: \(error.localizedDescription).")
  return
}

// Success. Get a segmentation mask here.

Objective-C

NSError *error;
MLKSegmentationMask *mask =
    [segmenter resultsInImage:image error:&error];
if (error != nil) {
  // Error.
  return;
}

// Success. Get a segmentation mask here.

自撮り画像のセグメンテーションを非同期的に実行するには:

Swift

segmenter.process(image) { mask, error in
  guard error == nil else {
    // Error.
    return
  }
  // Success. Get a segmentation mask here.

Objective-C

[segmenter processImage:image
             completion:^(MLKSegmentationMask * _Nullable mask,
                          NSError * _Nullable error) {
               if (error != nil) {
                 // Error.
                 return;
               }
               // Success. Get a segmentation mask here.
             }];

4. セグメンテーション マスクを取得する

セグメンテーションの結果は次のように取得できます。

Swift

let maskWidth = CVPixelBufferGetWidth(mask.buffer)
let maskHeight = CVPixelBufferGetHeight(mask.buffer)

CVPixelBufferLockBaseAddress(mask.buffer, CVPixelBufferLockFlags.readOnly)
let maskBytesPerRow = CVPixelBufferGetBytesPerRow(mask.buffer)
var maskAddress =
    CVPixelBufferGetBaseAddress(mask.buffer)!.bindMemory(
        to: Float32.self, capacity: maskBytesPerRow * maskHeight)

for _ in 0...(maskHeight - 1) {
  for col in 0...(maskWidth - 1) {
    // Gets the confidence of the pixel in the mask being in the foreground.
    let foregroundConfidence: Float32 = maskAddress[col]
  }
  maskAddress += maskBytesPerRow / MemoryLayout<Float32>.size
}

Objective-C

size_t width = CVPixelBufferGetWidth(mask.buffer);
size_t height = CVPixelBufferGetHeight(mask.buffer);

CVPixelBufferLockBaseAddress(mask.buffer, kCVPixelBufferLock_ReadOnly);
size_t maskBytesPerRow = CVPixelBufferGetBytesPerRow(mask.buffer);
float *maskAddress = (float *)CVPixelBufferGetBaseAddress(mask.buffer);

for (int row = 0; row < height; ++row) {
  for (int col = 0; col < width; ++col) {
    // Gets the confidence of the pixel in the mask being in the foreground.
    float foregroundConfidence = maskAddress[col];
  }
  maskAddress += maskBytesPerRow / sizeof(float);
}

セグメンテーション結果の使用方法の完全な例については、ML Kit クイックスタート サンプルをご覧ください。

パフォーマンス改善のヒント

結果の品質は入力画像の品質によって異なります。

  • ML Kit で正確なセグメンテーション結果を得るには、画像を 256 x 256 ピクセル以上にする必要があります。
  • リアルタイム アプリケーションで自撮り写真のセグメンテーションを実行する場合は、入力画像の全体的なサイズも考慮する必要があります。サイズが小さいほど処理が速くなるため、遅延を短縮するために低解像度で画像をキャプチャします。ただし、上記の解像度要件に留意し、被写体が画像の大部分を占めるようにしてください。
  • 画像のフォーカスが不適切であることも精度に影響することがあります。満足のいく結果が得られない場合は、画像をキャプチャし直すようユーザーに依頼します。

リアルタイムのアプリケーションでセグメンテーションを使用する場合は、最適なフレームレートを得るために次のガイドラインに従ってください。

  • stream セグメンタ モードを使用します。
  • 低解像度で画像をキャプチャすることを検討してください。ただし、この API の画像サイズの要件にも注意してください。
  • 動画フレームの処理には、セグメンタの results(in:) 同期 API を使用します。このメソッドを AVCaptureVideoDataOutputSampleBufferDelegatecaptureOutput(_, didOutput:from:) 関数から呼び出して、指定された動画フレームから結果を同期的に取得します。セグメンタへの呼び出しをスロットリングするために、AVCaptureVideoDataOutputalwaysDiscardsLateVideoFrames を true のままにします。セグメント化ツールの実行中に新しい動画フレームが利用可能になると、そのフレームは破棄されます。
  • セグメンタの出力を使用して入力画像にグラフィックスをオーバーレイする場合は、まず ML Kit から結果を取得してから、画像とオーバーレイを 1 つのステップでレンダリングします。これにより、処理された入力フレームごとに、ディスプレイ サーフェスに 1 回だけレンダリングされます。例については、ML Kit クイックスタート サンプルpreviewOverlayView クラスと CameraViewController クラスをご覧ください。