সেভ করা পৃষ্ঠা গুছিয়ে রাখতে 'সংগ্রহ' ব্যবহার করুন
আপনার পছন্দ অনুযায়ী কন্টেন্ট সেভ করুন ও সঠিক বিভাগে রাখুন।
ML Kit এর সাবজেক্ট সেগমেন্টেশন API ডেভেলপারদের একটি ছবির ব্যাকগ্রাউন্ড থেকে একাধিক বিষয়কে সহজেই আলাদা করতে দেয়, স্টিকার তৈরি, ব্যাকগ্রাউন্ড সোয়াপ বা বিষয়গুলিতে দুর্দান্ত প্রভাব যোগ করার মতো ব্যবহারের ক্ষেত্রে সক্ষম করে।
বিষয়গুলিকে চিত্রের অগ্রভাগে সবচেয়ে বিশিষ্ট ব্যক্তি, পোষা প্রাণী বা বস্তু হিসাবে সংজ্ঞায়িত করা হয়৷ যদি 2টি বিষয় খুব কাছাকাছি বা একে অপরকে স্পর্শ করে, তবে সেগুলিকে একক বিষয় হিসাবে বিবেচনা করা হয়।
বিষয় বিভাজন API একটি ইনপুট চিত্র নেয় এবং অগ্রভাগের জন্য একটি আউটপুট মাস্ক বা বিটম্যাপ তৈরি করে। এটি সনাক্ত করা প্রতিটি বিষয়ের জন্য একটি মুখোশ এবং বিটম্যাপ প্রদান করে (পুরোভূমিটি মিলিত সমস্ত বিষয়ের সমান)।
ডিফল্টরূপে, ফোরগ্রাউন্ড মাস্ক এবং ফোরগ্রাউন্ড বিটম্যাপ ইনপুট ইমেজের আকার একই (প্রতিটি বিষয়ের মাস্ক এবং বিটম্যাপের আকার ইনপুট ইমেজের আকার থেকে আলাদা হতে পারে)। মুখোশের প্রতিটি পিক্সেলকে একটি ফ্লোট নম্বর বরাদ্দ করা হয় যার পরিসীমা 0.0 এবং 1.0 এর মধ্যে থাকে। সংখ্যাটি 1.0 এর যত কাছাকাছি হবে, পিক্সেল একটি বিষয়কে প্রতিনিধিত্ব করে তার আত্মবিশ্বাস তত বেশি এবং এর বিপরীতে।
Pixel 7 Pro-তে গড় লেটেন্সি পরিমাপ করা হয় প্রায় 200 ms। এই API বর্তমানে শুধুমাত্র স্ট্যাটিক ইমেজ সমর্থন করে.
[[["সহজে বোঝা যায়","easyToUnderstand","thumb-up"],["আমার সমস্যার সমাধান হয়েছে","solvedMyProblem","thumb-up"],["অন্যান্য","otherUp","thumb-up"]],[["এতে আমার প্রয়োজনীয় তথ্য নেই","missingTheInformationINeed","thumb-down"],["খুব জটিল / অনেক ধাপ","tooComplicatedTooManySteps","thumb-down"],["পুরনো","outOfDate","thumb-down"],["অনুবাদ সংক্রান্ত সমস্যা","translationIssue","thumb-down"],["নমুনা / কোড সংক্রান্ত সমস্যা","samplesCodeIssue","thumb-down"],["অন্যান্য","otherDown","thumb-down"]],["2025-07-24 UTC-তে শেষবার আপডেট করা হয়েছে।"],[[["\u003cp\u003eThe ML Kit subject segmentation API enables developers to isolate subjects (people, pets, objects) from the background in images for various applications like sticker creation and background replacement.\u003c/p\u003e\n"],["\u003cp\u003eThis API provides individual masks and bitmaps for each detected subject, allowing for granular manipulation and effects.\u003c/p\u003e\n"],["\u003cp\u003eAll processing happens on-device, ensuring user privacy and eliminating the need for internet connectivity.\u003c/p\u003e\n"],["\u003cp\u003eThis API is currently in beta and might undergo changes that could affect backward compatibility.\u003c/p\u003e\n"]]],[],null,["# Subject Segmentation\n\n| This API is offered in beta, and is not subject to any SLA or deprecation policy. Changes may be made to this API that break backward compatibility.\n\nML Kit's subject segmentation API allows developers to easily separate multiple\nsubjects from the background in a picture, enabling use cases such as sticker\ncreation, background swap, or adding cool effects to subjects.\n\nSubjects are defined as the most prominent people, pets, or objects in the\nforeground of the image. If 2 subjects are very close or touching each other,\nthey are considered a single subject.\n\nThe subject segmentation API takes an input image and generates an output mask\nor bitmap for the foreground. It also provides a mask and bitmap for each one of\nthe subjects detected (the foreground is equal to all subjects combined).\n\nBy default, the foreground mask and foreground bitmap are the same size as the\ninput image (the size of each individual subject's mask and bitmap will likely\ndiffer from input image size). Each pixel of the mask is assigned a float number\nthat has a range between `0.0` and `1.0`. The closer the number is to `1.0`, the\nhigher the confidence that the pixel represents a subject, and vice versa.\n\nOn average the latency measured on Pixel 7 Pro is around 200 ms. This API\ncurrently only supports static images.\n\n[Android](/ml-kit/vision/subject-segmentation/android)\n\n### Key capabilities\n\n- **Multi-subject segmentation:** provides masks and bitmaps for each individual subject, rather than a single mask and bitmap for all subjects combined.\n- **Subject recognition:** subjects recognized are objects, pets, and humans.\n- **On-device processing:** all processing is performed on the device, preserving user privacy and requiring no network connectivity.\n\n### Example results\n\n| Input Image | Output Image + Mask |\n|-------------|---------------------|\n| | |\n| | |\n| | |"]]
