Los PNG transparentes rompen los ampliadores con IA: el halo oscuro

Dale un PNG con transparencia (una foto recortada, una exportación de sticker) a casi cualquier ampliador con IA y aparece un defecto concreto: un halo oscuro que se cuela unos píxeles hacia dentro del sujeto desde cada borde transparente, con un tenue anillo claro de sobreimpulso detrás. Se esconde en las vistas previas oscuras y salta a la vista en las páginas blancas. Lo reprodujimos en nuestro propio pipeline, medimos su forma exacta (un surco de −94 de luma, tres píxeles de modelo de ancho), lo rastreamos hasta el viaje de ida y vuelta del alfa premultiplicado de la plataforma web, y medimos el arreglo que publicamos: un relleno por inundación O(n) que elimina el 98% del error antes de que el modelo llegue a ejecutarse.

Cada cifra de esta nota se midió con el código del pipeline de producción: los mismos modelos, las mismas matemáticas. Registros brutos por imagen: e3_alpha.json.

1 · De dónde sale el negro

El canvas 2D de la web almacena los píxeles premultiplicados: no (r, g, b, α), sino (rα, gα, bα, α). A la composición le encanta este formato (los operadores de Porter–Duff^[1] se convierten en simples multiplicaciones y sumas), pero es lossy en exactamente un lugar. Leer los píxeles de vuelta significa dividir el color entre α:

En α = 0 eso es 0/0, y la respuesta de la plataforma^[2] es que no queda nada que recuperar: el color se multiplicó por cero en el momento en que tocó el canvas. getImageData devuelve RGB (0, 0, 0) bajo cada píxel completamente transparente. El campo transparente de tu recorte se ha convertido silenciosamente en un lago de negro puro.

Un humano nunca ve el lago: el alfa lo oculta. Una red de superresolución no es un humano: consume tres canales de RGB y ningún alfa, así que ve una fotografía incrustada en negro absoluto, y cada píxel de salida cercano al borde se calcula a partir de un campo receptivo que se sumerge en el lago. El negro no se queda quieto; se difunde hacia dentro a través de la pila de convoluciones^[3].

2 · Medir el halo

Una medición genuinamente contraintuitiva: esperábamos que el modelo alucinara basura dentro de la región transparente, que “mejorara el vacío”. No lo hace. Negro plano dentro, negro plano fuera (energía de gradiente 0.1). El daño no es lo que el modelo inventa en el vacío; es lo que el vacío le hace al sujeto a través del borde. Eso importa porque significa que enmascarar la salida no puede salvarte: los píxeles dañados están dentro de la región visible, bajo α > 0.

3 · El arreglo: inundar el vacío con color plausible

Si el modelo debe ver RGB bajo α = 0, que sea un RGB que continúe al sujeto. Antes de la inferencia ejecutamos un sangrado de alfa: una inundación en anchura de múltiples fuentes desde cada píxel no transparente, en la que cada píxel transparente toma el color medio de sus 4-vecinos ya coloreados:

Sembrar la cola con el anillo del borde y procesar en orden FIFO garantiza que cada píxel extraído de la cola tiene al menos un vecino coloreado (quien lo encoló terminó antes), así que una sola pasada O(n) colorea todo el vacío: distancia ilimitada, huecos cerrados incluidos. Los bytes de alfa nunca se tocan; los píxeles semitransparentes conservan su propio color. El modelo ve entonces una continuación suave en lugar de un precipicio, y el alfa (ampliado por separado) se vuelve a aplicar a la salida. Efecto medido: el error de la banda de 0–3 px cae de -62.9 a 1.1 niveles de luma, una reducción de 63×, sin coste medible en tiempo de ejecución.

4 · Qué significa esto para tus imágenes

Si usas este sitio: nada; los PNG transparentes siguen la ruta medida más arriba tanto en el pipeline en la nube como en el motor de respaldo del navegador, ya que ambos comparten la misma biblioteca pura. Si construyes herramientas de imagen: trata a todo modelo solo RGB como alérgico a los ceros premultiplicados: sangra antes de la inferencia (la inundación de arriba son ~30 líneas sin dependencias), o compón sobre un color sólido y acepta el sesgo de ese fondo. Y si estás diagnosticando un misterioso borde oscuro en la salida del mejorador de alguien, ya conoces la huella: un surco de unos pocos píxeles de ancho, un anillo de sobreimpulso detrás y una correlación perfecta con el límite del alfa. Los tres números que recordar: −94, 3 px, 63×.