本サイトは maks000 様 のご依頼「DTFプリント用・AI背景透過ツールの開発」に向けた、LIXデザイン からのご提案デモです / 納品希望日 2026年10月30日

完全ローカル / AI背景透過 / DTFプリント最適化

白フチも、ゴミ画素も、
DTFに乗せない。

受注画像を1件ずつ、数秒で。AIで背景を自動透過し、白フチ・にじみ・微小なゴミ画素まで除去して、 DTFプリント用の透明PNGを書き出すWindowsツールです。画像は外部に送信しません。

100%オフライン処理
画像の外部送信なし
~3秒1件あたりの処理
GPUなしでも可
1日100件の運用を想定
ワンクリック処理
背景透過後(透明PNG) 受注時の元画像
元画像 透過後 PNG

CUT HERE

なぜ専用ツールが要るのか

その「白フチ」、白インクとして
プリントされていませんか。

汎用の背景除去だけでは、被写体のフチに半透明のにじみ(白フチ)や、背景に取り残された微小なゴミ画素が残ります。 DTFはこれらを白インクの下地として忠実に出力するため、仕上がりに白い輪郭やポツポツが浮きます。 クリアカット DTF は、この最後の詰めを自動化するために作ります。

AI除去した直後と、クリアカット処理後のエッジ拡大比較
NO FEARバッジのエッジを拡大。左=AI除去した直後(半透明の白フチ・孤立したゴミ画素が残る)/ 右=クリアカット処理後(アルファ境界がクリーン)。この差が、DTFでは白インクの有無になります。
01

受注画像

お客様から届く、背景付きのデザイン画像。サイズも背景色もバラバラです。

02

AI除去した直後

背景は消えても、フチに半透明のにじみ、周囲に微小なゴミ画素が残ります。

03

クリアカット処理後

エッジを締め、半透明ハローとゴミ画素を除去。原寸のまま製版できる透明PNG。

主な機能

ご要望の機能を、すべて実装します。

募集要項に挙げられた希望機能を、そのまま設計要件に落とし込んでいます。

完全ローカル処理

画像を外部へ送信しません。ネットワーク通信なしで動作する、オフライン専用ツールです。

AI自動背景透過

rembg / U²-Net による自動セグメンテーション。人物・小物・ロゴなど幅広い被写体に対応。

白フチ・にじみ除去

エッジ収縮とハードしきい値、デカンタミネーション処理で半透明ハローと背景色のにじみを除去。

微小ゴミ画素の除去

連結成分解析で面積の小さい島を自動判定し、指定しきい値以下のゴミ画素を消去します。

透明PNGで出力

DTF RIPにそのまま渡せる、アルファ付きPNG。半透明の中間画素を残さない書き出し設定。

原寸・縦横比を維持

元画像のピクセル寸法と縦横比をそのまま保持。リサイズも切り抜きも行いません。

処理前後のプレビュー

元画像・処理後・並べて比較・エッジ拡大を切り替えて、書き出す前に必ず確認できます。

別名保存・上書きなし

ワンクリックで処理し、元画像は変更せず _clearcut を付けた別ファイルとして保存します。

処理の仕組み

6ステップの透過パイプライン

「背景を消す」だけでなく、DTFで事故が起きないところまでを1本の処理として組みます。

画像読み込み

ローカルのファイルを直接読み込み。EXIF回転を補正し、元寸法を記録。

AIセグメンテーション

rembg(U²-Net, Apache-2.0)で前景・背景のアルファマスクを推定。

アルファマット精緻化

境界のトライマップを作り、髪や細部のアルファをなめらかに補正。

エッジ収縮+しきい値

アルファを1〜3px収縮し、半透明ハローをハードしきい値で切り落とす。

微小ゴミ除去

連結成分解析。面積しきい値以下の孤立画素・小島をまとめて除去。

白フチ除去&書き出し

フチ画素の色を内側から再サンプルし置換。原寸の透明PNGとして別名保存。

各ステップのパラメータ(収縮量・しきい値・ゴミ面積)は画面上のスライダーで微調整できます。お預かりするサンプル画像に合わせて既定値をチューニングしてから納品します。

用途イメージ

透過PNGは、そのまま製版へ。

Tシャツへのプリントイメージ
アパレル(Tシャツ)
パーカーへのプリントイメージ
アパレル(パーカー)
トートバッグへのプリントイメージ
ファブリック(トート)
キャップへのプリントイメージ
小物(キャップ)

インタラクティブデモ

ツールの操作感を、その場で。

実際のアプリUIを模した画面で、サンプル画像を選び → 処理を実行 → 前後を比較 → 別名保存まで体験できます。 スライダーで白フチ除去やゴミ除去の強度も動かせます。

クリアカット DTF アプリ画面のイメージ

ご依頼内容 対応表

募集要項の希望機能 → 実装方針

いただいた要件を1行ずつ、実装の方針に対応させています。

ご希望(募集要項より)対応実装方針
画像を外部へ送信しない完全ローカル処理Python + onnxruntime によるオフライン推論。通信処理を一切含めず、AIモデルはインストーラに同梱します。
AIによる背景の自動透明化rembg(U²-Net)で自動セグメンテーション。被写体タイプに応じてモデル切替も可能。
白フチや背景色のにじみ除去エッジ収縮+ハードしきい値+フチ画素のカラー・デカンタミネーション(内側からの再サンプル)。
背景に残った微小なゴミピクセルの除去連結成分解析で面積しきい値以下の島を除去。しきい値は画面スライダーで調整可。
DTFプリントに使用できる透明PNGで出力アルファ付きPNG。半透明の中間アルファを残さない書き出しオプションを既定に。
元画像のピクセル寸法と縦横比を維持入力の画素寸法をそのまま出力。リサイズ・トリミングなし。処理前後で寸法を画面表示。
処理前後の画像を確認できる「元画像/処理後/並べて比較/エッジ拡大」を切替。書き出し前に必ず目視できます。
簡単な操作で、1件ずつ短時間に処理できる画像を開く → 実行 → 保存の3操作。ドラッグ&ドロップ対応。1件あたり数秒(CPU)。
元画像を上書きせず、別ファイルとして保存既定で 元ファイル名_clearcut.png として保存。保存先・接尾辞は設定可能。
rembg 等のOSS利用可(商用可のライブラリ/モデルであること)下記「商用利用・ライセンス」の通り、標準構成は MIT / Apache-2.0 のみで構成します。

商用利用・ライセンス

業務で使える構成だけで組みます。

「使用するライブラリとAIモデルが商用利用可能か」を、コンポーネント単位で確認しています。

コンポーネントライセンス商用利用備考
rembg(本体ライブラリ)MIT○ 可背景除去の処理基盤。
U²-Net モデル重み(u2netApache-2.0○ 可本ツールの標準採用モデル。
silueta モデルApache-2.0○ 可軽量・低メモリの代替。必要に応じ選択。
onnxruntime(推論ランタイム)MIT○ 可CPU実行。GPUは任意。
Pillow / NumPy / OpenCV(headless)MIT-CMU / BSD / Apache-2.0○ 可後処理(収縮・連結成分・書き出し)。
isnet-general-use ほか DIS 系モデル学術利用限定× 不可採用しません。商用不可のため標準構成から除外。
BiRefNet 系モデル配布物により異なる△ 要確認原則不採用。ご希望時はライセンスを個別確認のうえ判断。

結論:標準構成は rembg(MIT)+ U²-Net(Apache-2.0) と MIT/BSD 系ユーティリティのみ。すべて商用利用可能で、モデルもインストーラに同梱してオフラインで動作します。ライセンス条文の写しを納品物に添付します。

動作環境・パフォーマンス

Windowsで、オフラインで、速く。

対応OS

Windows 10 / 11(64bit)。インストーラ(.exe または .msi)形式で納品。

ネットワーク

完全不要。初回起動含め、インターネット接続なしで動作します。

処理速度

GPUなし(CPUのみ)で1件あたり概ね数秒。1日累計100件前後の運用でも余裕があります。

入出力

入力:JPEG / PNG / WebP など。出力:透明PNG(原寸・縦横比維持)。バッチ処理も追加可能。

よくあるご質問

応募時にご確認いただきたい点

募集要項の「教えていただきたいこと」に、そのままお答えします。

実現可能ですか?
可能です。背景除去はOSS(rembg)を基盤に、DTFで問題になる白フチ・ゴミ除去の後処理を独自に組み込みます。まずお預かりするサンプル画像で精度を実証してから本開発に進みます。
使用予定のAIモデル・技術は?
背景セグメンテーションは rembgU²-Net(u2net, Apache-2.0)。推論は onnxruntime(CPU)。後処理は OpenCV / NumPy / Pillow でエッジ収縮・ハードしきい値・連結成分によるゴミ除去・白フチのデカンタミネーション。GUIは Windows ネイティブ表示のデスクトップアプリとして実装します。
完全ローカルで動作しますか?
はい。通信処理を一切含めず、AIモデルもインストーラに同梱します。オフライン環境で問題なく動作し、画像が外部に出ることはありません。
商用利用上の問題はありませんか?
ありません。標準構成は MIT(rembg / onnxruntime ほか)と Apache-2.0(U²-Net)のみで、いずれも商用利用可です。商用不可の DIS 系モデル(isnet-general-use など)は採用しません。ライセンス条文の写しを納品物に添付します。
概算費用は?
サンプル画像で背景除去・白フチ除去・微小ゴミ除去の精度をご確認いただいたうえで、確定仕様に基づき工数ベースでお見積りします。納品希望日(2026年10月30日)に間に合う進行を前提にご提示します。
※ 本サイトはご提案デモのため、金額は記載していません。応募メッセージにてご提示します。
納期は?
ご希望の 2026年10月30日 納品に対応できる計画です。目安:サンプル検証(数日)→ 仕様確定・お見積り → 本開発(AIパイプライン+GUI+インストーラ)→ 納品・修正対応。
修正対応の範囲と回数は?
精度チューニング(しきい値・収縮量・ゴミ面積の調整)を含む修正を、納品後 2回まで無償。加えて納品から 14日間 は不具合の無償対応期間とします。仕様追加(バッチ処理・他形式書き出し等)は別途お見積り。
ソースコード納品は可能ですか?
可能です。Python 一式(前処理・推論・後処理・GUI)とビルド手順書、使用ライブラリ/モデルのライセンス一覧を合わせて納品します。著作権の帰属条件はご相談のうえ決定します。
類似ツールの開発実績は?
画像処理・業務自動化ツール(一括加工、在庫・画像管理、社内向けデスクトップ/スクリプト)の開発経験があります。背景透過については本デモのとおり、rembg+独自後処理での作例をご確認いただけます。守秘の都合で詳細をお見せできない案件もありますので、面談時に可能な範囲でご説明します。

進め方

まずサンプルで、精度を確かめてから。

サンプル精度チェック

実際のサンプル画像を数点お預かりし、背景除去・白フチ除去・ゴミ除去の精度を検証してお見せします。

無償トライアル

仕様確定・お見積り

既定パラメータ、保存規則、対応形式などを確定。工数ベースで費用と納期をご提示します。

本開発

透過パイプライン+GUI+Windowsインストーラを実装。途中で動作版を共有し、方向性をすり合わせます。

納品・修正対応

実行ファイル+ソースコード+マニュアル+ライセンス一覧を納品。無償修正2回+14日間の不具合対応。

next step

サンプル画像を数点いただければ、
精度検証してお返しします。

ご不明点は応募メッセージからお気軽にどうぞ。まずは無償のサンプル検証から始めましょう。