🚀 BRIA背景去除v2.0模型卡片
BRIA背景去除v2.0是一款最先進的背景去除模型,相較於RMBG v1.4有顯著提升。該模型旨在有效分離各類圖像中的前景和背景。它在精心挑選的數據集上進行訓練,涵蓋通用庫存圖像、電子商務、遊戲和廣告內容,適用於商業用途,能大規模助力企業內容創作。其準確性、效率和通用性目前可與領先的開源模型相媲美,尤其適用於對內容安全、合法授權數據集和偏差緩解有較高要求的場景。
此模型由BRIA AI開發,以開源形式提供,僅供非商業使用。
🚀 快速開始
獲取訪問權限
Bria RMBG2.0可通過多種方式獲取,包括源代碼和權重、ComfyUI節點或API端點。
更多信息,請訪問我們的網站。
加入我們的Discord社區,獲取更多信息、教程、工具,並與其他用戶交流!
點擊此處查看演示

✨ 主要特性
- 顯著提升背景去除效果,相較於RMBG v1.4有質的飛躍。
- 適用於多種圖像類型和商業場景。
- 準確性、效率和通用性可與領先開源模型媲美。
- 基於合法授權數據集訓練,注重內容安全和偏差緩解。
📦 安裝指南
要求
torch
torchvision
pillow
kornia
transformers
💻 使用示例
基礎用法
from PIL import Image
import matplotlib.pyplot as plt
import torch
from torchvision import transforms
from transformers import AutoModelForImageSegmentation
model = AutoModelForImageSegmentation.from_pretrained('briaai/RMBG-2.0', trust_remote_code=True)
torch.set_float32_matmul_precision(['high', 'highest'][0])
model.to('cuda')
model.eval()
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('cuda')
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")
📚 詳細文檔
模型詳情
模型描述
訓練數據分佈
類別 |
分佈 |
僅物體 |
45.11% |
人與物體/動物 |
25.24% |
僅人 |
17.35% |
人/物體/動物與文本 |
8.52% |
僅文本 |
2.52% |
僅動物 |
1.89% |
類別 |
分佈 |
逼真寫實 |
87.70% |
非逼真寫實 |
12.30% |
類別 |
分佈 |
非純色背景 |
52.05% |
純色背景 |
47.95% |
類別 |
分佈 |
單個主要前景物體 |
51.42% |
前景中有多個物體 |
48.58% |
定性評估
開源模型比較

架構
RMBG - 2.0基於BiRefNet架構開發,並結合了我們的專有數據集和訓練方案。這些訓練數據顯著提高了模型在背景去除任務中的準確性和有效性。
如果您在研究中使用此模型,請引用:
@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}
}
🔧 技術細節
RMBG - 2.0在BiRefNet架構基礎上,利用專有數據集和訓練方案進行優化。訓練數據包含超過15,000張高質量、高分辨率、手動標註(像素級精度)且完全授權的圖像,涵蓋多種圖像類型和場景,從而顯著提高了模型在背景去除任務中的準確性和有效性。
📄 許可證
本模型遵循知識共享署名 - 非商業性使用 4.0 國際許可協議(CC BY - NC 4.0)。該模型以CC BY - NC 4.0許可證發佈,僅供非商業使用。商業使用需與BRIA達成商業協議,可點擊此處瞭解詳情。購買商業許可請點擊此處。