ML Kit を使用して Selfie セグメンテーションを iOS で作成

ML Kit には、自撮りセグメンテーションの最適化された SDK が用意されています。Selfie Segmenter 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、API のレイテンシが、iPhone X で測定した入力画像のサイズに応じて約 7 ミリ秒から最大 12 ミリ秒に変動する可能性があります。

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後に、.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

自撮り写真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。

分類オプション

分類モード

Segmenter は 2 つのモードで動作します。ユースケースと一致するものを選択してください。

STREAM_MODE (default)

このモードは、動画またはカメラからフレームをストリーミングするように設計されています。このモードでは、セグメンテーション担当者は前のフレームの結果を活用して、スムーズ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、互いに関連性のない単一の画像用に設計されています。このモードでは、セグメンテーションはフレームごとに平滑化することなく、各画像を個別に処理します。

未加工のサイズ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のサイズマスクを返すよう、セグメンテーションに要求します。

未加工のマスクサイズ(256x256 など)は通常、入力画像の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いと、セグメンテーションは入力画像サイズと一致するよう RAW マスクを再スケーリングします。カスタマイズしたスケーリング ロジックを適用する場合や、ユースケースに再スケーリングが必要ない場合は、このオプションの使用を検討してください。

セグメント 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 の画像処理メソッドのいずれかに渡します。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セグメンテーションを同期的に実行するには:

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詳細な使用例については、ML Kit クイックスタート サンプルをご覧ください。

パフォーマンスを向上させるためのヒント

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 256x256 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セグメンテーションを実行する場合は、入力画像の全体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は高速になるため、レイテンシを短くするには画像を低解像度でキャプチャします。ただし、上記の解像度要件に留意し、被写体ができるだけ多くの画像を占有するようにしてください。
  • 画像がぼやけていると、精度にも影響します。満足のいく結果が得られない場合は、ユーザーに画像をキャプチャし直すよう求めます。

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、適切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 セグメント モードを使用します。
  • より低い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 の画像サイズに関する要件にも留意してください。
  • 動画フレームを処理するには、セグメンテーションの results(in:) 同期 API を使用します。AVCaptureVideoDataOutputSampleBufferDelegate 関数 captureOutput(_, DidOutput:from:) 関数からこのメソッドを呼び出して、特定の動画フレームから結果を同期的に取得します。AVCaptureVideoDataOutputalways 破棄 LateVideoFrames を true のままにして、セグショナーの呼び出しをスロットリングします。セグメンテーションの実行中に新しい動画フレームが使用可能になると、そのフレームは破棄されます。
  • 分類器の出力を使用して入力画像の上にグラフィックスをオーバーレイする場合は、まず ML Kit から検出結果を取得し、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、ディスプレイ サーフェスへのレンダリングは処理済みの入力フレームごとに 1 回で済みます。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。