Nesne Silme

Nasıl ölçülür?

Veri: 5 fotoğraf, hedefler kutu olarak verilir (narlar, beyaz küre, su terazisi, anahtar takımı, matkap).
Kapı: maskenin içi değişmiş, dışı değişmemiş; 5 fotoğrafın hepsinde.
Maske görüntü analiziyle alınır; kutunun merkezinde nesne yoksa ya da maske karenin yarısından büyükse kutunun kendisi maske olur. Maske biraz genişletilir, 512×512'de LaMa modeliyle doldurulur, HEIC kaydedilir.
LaMa'nın CPU, GPU, Neural Engine ve otomatik yapılandırma süreleri ölçülür; puanlı geçiş en kısa olanında koşar. Windows'ta ONNX Runtime ile LaMa (TensorRT ya da TensorRT-RTX) ve U²-Net-p.

Platformlar ve motorlar

Motor, Toplayo'ya yüklenen sonuçların kendi etiketidir (cihaz ve GPU adları çıkarıldı). Her platformda bilinen en hızlı yol seçilir; iş ve çıktı aynı kalır.

Platform	Motor	Ölçüm 4.0
iPhone ve iPad	—	ölçüldü · 1 cihaz
Mac	—	ölçüldü · 5 cihaz
Windows	ONNX Runtime · LaMa · TensorRT · U²-Net-p · WIC ONNX Runtime · LaMa · TensorRT-RTX · U²-Net-p · WIC	ölçüldü · 3 cihaz
Android	—	yalnız ön deneme turunda (Android 4.0 ölçümleri ertelendi)

Hangi puana girer?

Gündelik süitinin 10 üyesinden biridir: ağırlık 1 / 10 (süit puanındaki payı %10). Süit yalnız bütün üyeleri varsa verilir; bu test eksikse ya da "tamam" değilse Gündelik ve KAI Benchmark Skoru verilmez. Süit sayfası.
İş hattı katmanındadır: KAI Donanım, KAI Üretici ve KAI Platform'a girmez.

Neler değişti?

Sürüm	Değişiklik
3.3 R6	Apple, Android: LaMa en hızlı yapılandırmada (M5 Ultra: GPU 19,9 ms, Neural Engine 105,7 ms, CPU 425,6 ms).

Referans ve puan

Puan = ölçülen ÷ referans × 1000. Referans değer 12 fotoğraf/dk; 1000 puan nominal termal durumdaki iPhone 15 Pro sınıfını temsil eder. Bu referans henüz kestirimdir ve kalibrasyon bekler; cihazlar arası oranlar bundan etkilenmez.

Platform. iPhone ve iPad, Mac, Windows, Android.