背景移除

背景移除是一个基于 IS-Net 的人体分割与背景移除模型，旨在自动检测并分离图像中的人物。它能生成高质量的二值/Alpha 蒙版以及已抠图的 RGBA 合成图，适用于后续的编辑、合成和自动化图像流程。尽管该模型针对时尚摄影进行了优化，但只要图像中包含人物且目标是将其与背景干净地分离，它都适用于任何相关应用场景。

模型详情

• 架构: IS-Net
• 目标: 使用 TY 时尚图像微调 isnet-general-use 模型，以提升在时尚图像上的表现
• 训练数据: 大规模 Trendyol 时尚产品图像数据集，包含真人模特
• 硬件: 使用 PyTorch 进行多 GPU 训练
• 框架: PyTorch

预期用途

• 自动从包含人物的图像中移除背景，分离出主体以便进一步编辑、合成或分析。

• 专为电子商务产品摄影、时尚目录、个人资料图片和创意媒体项目等应用设计，在这些场景中需要将人物主体与背景干净地分离。

• 针对图像中人物清晰存在的场景进行了优化；不适用于物体、动物或没有人物的场景。

• 可作为虚拟试穿、背景替换和基于图像的内容生成等下游任务的预处理步骤。

使用方法

完整示例：加载模型、移除图像背景并保存结果：

\"\"\"
ONNX 推理脚本，用于图像分割模型。

此脚本加载 ONNX 模型并对输入图像执行推理以生成
Alpha 蒙版。该蒙版与 RGB 图像结合并保存为输出。
\"\"\"

import onnxruntime as ort
from utils import process_image

if __name__ == \"__main__\":
  MODEL_PATH = \"model.onnx\"
  SRC = \"https://cdn.dsmcdn.com/ty184/product/media/images/20210924/23/136268224/224296134/1/1_org_zoom.jpg\"
  OUTPUT_FILE = \"out.png\"

  # 使用 CUDA 和 CPU 提供程序初始化 ONNX 运行时会话
  ort_session = ort.InferenceSession(
      MODEL_PATH,
      providers=[\"CUDAExecutionProvider\", \"CPUExecutionProvider\"]
  )
  
  process_image(SRC, ort_session, MODEL_PATH, OUTPUT_FILE)

模型性能

• 实现高精度图像抠图：尤其是针对人物模特的精细细节，如头发和服装纹理。

训练配置

• 骨干网络: 在 DIS 数据集 V1.0: DIS5K 上训练的 IS-Net 通用模型
• 模型输入尺寸: 1800x1200
• 训练框架: Torch 1.13.1

局限性

• 领域特定性: 针对包含人物模特的电子商务时尚产品图像进行了优化；可能无法很好地泛化到其他图像领域
• 图像质量: 在低质量、高度压缩或严重失真的图像上，性能可能会下降
• 类别偏差: 根据训练数据分布，不同产品类别之间的性能可能会有所差异

伦理考量

• 商业用途: 为电子商务应用设计；请考虑对市场竞争的潜在影响
• 隐私: 处理产品图像时，请确保遵守数据保护法规
• 公平性: 监控不同产品类别或品牌之间可能存在的偏差相似性判断

引用

@misc{trendyol2025backgroundremoval,
  title={Trendyol Background Removal},
  author={Trendyol Data Science Team},
  year={2025},
  howpublished={\url{https://huggingface.co/trendyol/background-removal}}
}

模型卡片作者

• Trendyol 数据科学团队

许可证

本模型由 Trendyol 作为源码可用、非开源模型发布。

您可以：

• 查看、下载和评估模型权重。
• 将模型用于非商业研究和内部测试。
• 将模型或其衍生作品用于商业用途，前提是：
  • 您引用 Trendyol 作为原始模型创建者。
  • 您通过 cqm.datascience@trendyol.com 或其他指定联系方式提前通知 Trendyol。

您不可以：

• 未经 Trendyol 事先书面同意，在第三方平台上重新分发或托管该模型或其衍生作品。
• 将模型用于违反道德标准的应用，包括但不限于监视、虚假信息或对个人或群体造成伤害。

下载或使用本模型即表示您同意上述条款。

© 2025 Trendyol Group. 保留所有权利。

有关更多详细信息，请参阅 LICENSE 文件。

如需技术支持或有关此模型的问题，请联系 Trendyol 数据科学团队。