BRIA 背景移除 v2.0 模型卡片

<p align="center"><img src="https://platform.bria.ai/assets/Bria-logo-5e0c53b1.svg" alt="BRIA Logo" width="200" /></p>

<!-- RMBG Card wrapper --> <div class="rmbg-card" style="position: relative; border-radius: 12px; overflow: hidden;">

<!-- FIBO Promo Banner (Top) --> <a href="https://huggingface.co/briaai/FIBO" target="_blank" rel="noopener" aria-label="Explore FIBO on Hugging Face" style=" position: absolute; top: 0; left: 0; width: 100%; display: flex; align-items: center; justify-content: center; gap: 10px; background: linear-gradient(90deg, #fff6b7 0%, #fde047 100%); color: #1f2937; text-decoration: none; font-family: Inter, system-ui, -apple-system, Segoe UI, Roboto, Arial, sans-serif; font-weight: 600; font-size: 13px; padding: 10px 0; border-bottom: 1px solid rgba(0,0,0,0.08); box-shadow: 0 2px 8px rgba(0,0,0,0.08); z-index: 10; "> <img src="https://huggingface.co/front/assets/huggingface_logo-noborder.svg" alt="Hugging Face" width="18" height="18" style="display:block" /> <span>✨ 在 Hugging Face 上探索 <strong>FIBO</strong></span> </a>

<!-- ... 你的 RMBG 内容在下方 ... --> <p align="center"> 💜 <a href="https://go.bria.ai/46gzn20"><b>Bria AI</b></a>&nbsp&nbsp | &nbsp&nbsp🤗 <a href="https://huggingface.co/briaai/">Hugging Face</a> &nbsp&nbsp | &nbsp&nbsp 📑 <a href="https://blog.bria.ai/">博客</a> &nbsp&nbsp <br> 🖥️ <a href="https://huggingface.co/spaces/briaai/BRIA-RMBG-2.0">演示</a>&nbsp&nbsp| &nbsp&nbsp <a href="https://github.com/Bria-AI/RMBG-2.0">Github</a>&nbsp&nbsp </p>

RMBG v2.0 是我们全新的最先进背景移除模型，显著改进了 RMBG v1.4。该模型旨在有效分离各种类别和图像类型中的前景与背景。该模型在精心挑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应用场景。其准确性、效率和多功能性目前可与领先的开源模型相媲美。它非常适合对内容安全性、合法授权数据集和偏见缓解有严格要求的场景。

RMBG v2.0 由 BRIA AI 开发，作为源码可用模型供非商业使用。

获取访问权限

Bria RMBG2.0 可在您构建的任何平台上使用，无论是源代码和权重、ComfyUI 节点还是 API 端点。

• 购买： 商业许可请联系我们。
• API 端点：Bria.ai，fal.ai，Replicate
• ComfyUI：在工作流中使用
• GitHub：github.com/Bria-AI/RMBG-2.0

更多信息，请访问我们的网站。

加入我们的 Discord 社区 获取更多信息、教程、工具，并与其他用户交流！

点击此处查看演示

模型详情

模型描述

• 开发者： BRIA AI

• 模型类型： 背景移除

• 许可证： 知识共享署名-非商业性使用 (CC BY-NC 4.0)

  • 该模型以 CC BY-NC 4.0 许可证发布，仅供非商业使用。
  • 商业使用需与 BRIA 签订商业协议。可在此处获取

• 模型描述： BRIA RMBG-2.0 是一个专门在专业级数据集上训练的二分图像分割模型。模型输出包含单通道 8 位灰度 Alpha 蒙版，其中每个像素值表示原始图像中对应像素的不透明度级别。这种非二值输出方法为开发者提供了灵活性，可以为前景-背景分离定义自定义阈值，满足各种用例需求并增强与复杂流水线的集成。

• BRIA： 更多信息资源：BRIA AI

训练数据

Bria-RMBG 模型使用超过 15,000 张高质量、高分辨率、手动标注（像素级精度）、完全授权的图像进行训练。 我们的基准测试包括性别平衡、种族平衡以及不同类型残障人士的图像。 为清晰起见，我们提供按不同类别划分的数据分布，展示我们模型的多功能性。

图像分布：

定性评估

开源模型对比

架构

RMBG-2.0 基于 BiRefNet 架构开发，并结合了我们专有的数据集和训练方案进行了增强。该训练数据显著提高了模型在背景移除任务中的准确性和有效性。<br> 如果您在研究中使用此模型，请引用：

@article{BiRefNet,
  title={Bilateral Reference for High-Resolution Dichotomous Image Segmentation},
  author={Zheng, Peng and Gao, Dehong and Fan, Deng-Ping and Liu, Li and Laaksonen, Jorma and Ouyang, Wanli and Sebe, Nicu},
  journal={CAAI Artificial Intelligence Research},
  year={2024}
}

依赖要求

torch
torchvision
pillow
kornia
transformers

使用方法

<!-- 本节介绍无需微调或集成到更大生态系统/应用中的模型使用。 -->

from PIL import Image
import torch
from torchvision import transforms
from transformers import AutoModelForImageSegmentation

device = 'cuda' if torch.cuda.is_available() else 'cpu'
model = AutoModelForImageSegmentation.from_pretrained('briaai/RMBG-2.0', trust_remote_code=True).eval().to(device)

# 数据设置
image_size = (1024, 1024)
transform_image = transforms.Compose([
    transforms.Resize(image_size),
    transforms.ToTensor(),
    transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
])

image = Image.open(input_image_path)
input_images = transform_image(image).unsqueeze(0).to(device)

# 预测
with torch.no_grad():
    preds = model(input_images)[-1].sigmoid().cpu()
pred = preds[0].squeeze()
pred_pil = transforms.ToPILImage()(pred)
mask = pred_pil.resize(image.size)
image.putalpha(mask)

image.save("no_bg_image.png")

</div>