ماسک‌گذاری چیست؟

ماسک‌گذاری در هوش مصنوعی و پردازش تصویر به فرایندی گفته می‌شود که در آن بخش‌هایی خاص از داده‌ ورودی (مانند تصویر، ویدیو یا حتی متن) پنهان، حذف یا متمایز می‌شوند. در این روش، معمولاً برای هر نقطه یا بخش تصویر یک نقاب (ماسک) ایجاد می‌شود که مشخص می‌کند کدام بخش‌ها باید پردازش شوند و کدام‌ها نه. به بیان ساده، ماسک‌گذاری یعنی انتخاب کردن بخش‌هایی از تصویر که باید دیده شوند یا تغییر داده شوند و پوشاندن بخش‌های دیگر.

این تکنیک اهمیت بالایی دارد چون امکان انجام عملیات هدفمند و دقیق را روی داده‌ فراهم می‌کند. مثلاً در تدوین ویدیو، ماسک‌گذاری به شما اجازه می‌دهد لوگوی تلویزیون یا چهره شخص را صرفاً از همان ناحیه بپوشانید بدون آنکه به بقیه تصویر آسیب بزنید. در حوزه یادگیری ماشین، ماسک‌گذاری برای حذف نویز یا متمرکز کردن مدل روی قسمت‌های مهم داده‌ نیز کاربرد دارد، مانند برجسته‌کردن خیابان‌ها در نقشه‌های ماهواره‌ای یا پنهان کردن اطلاعات شخصی روی مدارک.

یک مثال ملموس: فرض کنید دوست دارید گوشه یک عکس که یادداشتی نوشته شده، در شبکه‌های اجتماعی دیده نشود. با ماسک‌گذاری فقط نوشته را محو می‌کنید بدون این که باقی عکس تغییر کند.

ماسک‌گذاری گاهی با «بلِر کردن» اشتباه گرفته می‌شود. بلر کردن کل یا بخشی از تصویر را مات می‌کند، اما در ماسک‌گذاری می‌توان هر نوع تغییری (پنهان کردن، تغییر رنگ، حذف و…) را به دلخواه روی ناحیه ماسک‌شده انجام داد. بنابراین، ماسک‌گذاری انعطاف بیشتری دارد و تنها به مات‌کردن محدود نمی‌شود.