BRIA 背景移除 v1.4 模型卡片

RMBG v1.4 是我们最先进的背景移除模型，旨在有效地将前景与背景分离，适用于多种类别和图像类型。该模型在经过精心筛选的数据集上进行了训练，包括：通用素材图片、电子商务、游戏和广告内容，使其适用于支持大规模企业内容创作的商业用例。其准确性、效率和多功能性目前已可与领先的开源模型相媲美。它非常适合对内容安全性、合法授权数据集和减少偏见有严格要求的场景。

RMBG v1.4 由 BRIA AI 开发，作为源码可用模型供非商业用途使用。

点击此处查看演示

模型描述

• 开发者： BRIA AI

• 模型类型： 背景移除

• 许可证： bria-rmbg-1.4

  • 该模型采用知识共享许可证发布，仅供非商业用途使用。
  • 商业用途需与 BRIA 签订商业协议。联系我们了解更多信息。

• 模型描述： BRIA RMBG 1.4 是一个显著性分割模型，专门在专业级数据集上训练。

• BRIA： 更多信息请访问：BRIA AI

训练数据

Bria-RMBG 模型使用超过 12,000 张高质量、高分辨率、人工标注（像素级精度）、完全授权的图像进行训练。 我们的基准测试涵盖了性别平衡、种族平衡以及不同类型残障人士的图像。 为清晰起见，我们提供了按不同类别划分的数据分布，展示了模型的多样性。

图像分布：

定性评估

架构

RMBG v1.4 基于 IS-Net 开发，并结合了我们独特的训练方案和专有数据集。 这些改进显著提高了模型在各种图像处理场景中的准确性和有效性。

安装

git clone https://huggingface.co/briaai/RMBG-1.4
cd RMBG-1.4/
pip install -r requirements.txt

使用方法

from skimage import io
import torch, os
from PIL import Image
from briarmbg import BriaRMBG
from utilities import preprocess_image, postprocess_image
from huggingface_hub import hf_hub_download

im_path = f\"{os.path.dirname(os.path.abspath(__file__))}/example_input.jpg\"

net = BriaRMBG()
device = torch.device(\"cuda\" if torch.cuda.is_available() else \"cpu\")
net = BriaRMBG.from_pretrained(\"briaai/RMBG-1.4\")
net.to(device)
net.eval()    

# 准备输入
model_input_size = [1024,1024]
orig_im = io.imread(im_path)
orig_im_size = orig_im.shape[0:2]
image = preprocess_image(orig_im, model_input_size).to(device)

# 推理
result=net(image)

# 后处理
result_image = postprocess_image(result[0][0], orig_im_size)

# 保存结果
pil_im = Image.fromarray(result_image)
no_bg_image = Image.new(\"RGBA\", pil_im.size, (0,0,0,0))
orig_image = Image.open(im_path)
no_bg_image.paste(orig_image, mask=pil_im)
no_bg_image.save(\"example_image_no_bg.png\")