Birefnet

🚀 Bilateral Reference for High-Resolution Dichotomous Image Segmentation

この研究は、高解像度の二値画像セグメンテーションにおける双方向参照手法を提案し、DIS、HRSOD、CODの3つのタスクでSOTA性能を達成しました。

🚀 クイックスタート

このリポジトリは、論文 "Bilateral Reference for High-Resolution Dichotomous Image Segmentation" (CAAI AIR 2024) の公式実装です。詳細（コード、ドキュメント、モデルズー）については、GitHubリポジトリ https://github.com/ZhengPeng7/BiRefNet をご覧ください。

✨ 主な機能

• 高解像度の二値画像セグメンテーションに特化した手法
• DIS、HRSOD、CODの3つのタスクでSOTA性能を達成
• オンラインデモによる簡単な推論体験

📦 インストール

0. パッケージのインストール

pip install -qr https://raw.githubusercontent.com/ZhengPeng7/BiRefNet/main/requirements.txt

💻 使用例

基本的な使用法

HuggingFaceからコードと重みを使用

# Load BiRefNet with weights
from transformers import AutoModelForImageSegmentation
birefnet = AutoModelForImageSegmentation.from_pretrained('ZhengPeng7/BiRefNet', trust_remote_code=True)

GitHubからコード、HuggingFaceから重みを使用

# Download codes
git clone https://github.com/ZhengPeng7/BiRefNet.git
cd BiRefNet

# Use codes locally
from models.birefnet import BiRefNet

# Load weights from Hugging Face Models
birefnet = BiRefNet.from_pretrained('ZhengPeng7/BiRefNet')

GitHubからコード、ローカルから重みを使用

# Use codes and weights locally
import torch
from utils import check_state_dict

birefnet = BiRefNet(bb_pretrained=False)
state_dict = torch.load(PATH_TO_WEIGHT, map_location='cpu')
state_dict = check_state_dict(state_dict)
birefnet.load_state_dict(state_dict)

読み込んだBiRefNetを推論に使用

# Imports
from PIL import Image
import matplotlib.pyplot as plt
import torch
from torchvision import transforms
from models.birefnet import BiRefNet

birefnet = ... # -- BiRefNet should be loaded with codes above, either way.
torch.set_float32_matmul_precision(['high', 'highest'][0])
birefnet.to('cuda')
birefnet.eval()

def extract_object(birefnet, imagepath):
    # Data settings
    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(imagepath)
    input_images = transform_image(image).unsqueeze(0).to('cuda')

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

# Visualization
plt.axis("off")
plt.imshow(extract_object(birefnet, imagepath='PATH-TO-YOUR_IMAGE.jpg')[0])
plt.show()

高度な使用法

このBiRefNetは、標準的な二値画像セグメンテーション（DIS）に使用され、DIS-TR で訓練され、DIS-TEsおよびDIS-VD で検証されています。

📚 ドキュメント

このリポジトリには、論文で提案されたBiRefNetの重みが含まれています。このモデルは、3つのタスク（DIS、HRSOD、COD）でSOTA性能を達成しています。

オンラインデモでの推論の試し方

• Colabでのオンライン 画像推論：
• Hugging Faceでの GUI付きオンライン推論（解像度調整可能）：
• 与えられた重みの 推論と評価：

🔧 技術詳細

論文で提案されたBiRefNetは、高解像度の二値画像セグメンテーションにおける双方向参照手法を用いており、DIS、HRSOD、CODの3つのタスクでSOTA性能を達成しました。

📄 ライセンス

このプロジェクトはMITライセンスの下で公開されています。詳細は LICENSE をご覧ください。

謝辞

• @fal 様には、より良いBiRefNetモデルを訓練するためのGPUリソースを提供していただき、厚く御礼申し上げます。
• @not-lain 様には、HuggingFaceでのBiRefNetモデルのより良いデプロイにご協力いただき、感謝いたします。

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}
}