Rm

🚀 BRIA背景去除v2.0模型卡片

BRIA背景去除v2.0是一款最先进的背景去除模型，相较于RMBG v1.4有显著提升。该模型旨在有效分离各类图像中的前景和背景。它在精心挑选的数据集上进行训练，涵盖通用库存图像、电子商务、游戏和广告内容，适用于商业用途，能大规模助力企业内容创作。其准确性、效率和通用性目前可与领先的开源模型相媲美，尤其适用于对内容安全、合法授权数据集和偏差缓解有较高要求的场景。

此模型由BRIA AI开发，以开源形式提供，仅供非商业使用。

🚀 快速开始

获取访问权限

Bria RMBG2.0可通过多种方式获取，包括源代码和权重、ComfyUI节点或API端点。

• 购买：如需商业许可，只需点击此处。
• API端点：Bria.ai，fal.ai
• ComfyUI：在工作流中使用

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

✨ 主要特性

• 显著提升背景去除效果，相较于RMBG v1.4有质的飞跃。
• 适用于多种图像类型和商业场景。
• 准确性、效率和通用性可与领先开源模型媲美。
• 基于合法授权数据集训练，注重内容安全和偏差缓解。

📦 安装指南

要求

torch
torchvision
pillow
kornia
transformers

💻 使用示例

基础用法

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()

# 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('cuda')

# 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")

📚 详细文档

模型详情

模型描述

训练数据分布

定性评估

开源模型比较

架构

RMBG - 2.0基于BiRefNet架构开发，并结合了我们的专有数据集和训练方案。这些训练数据显著提高了模型在背景去除任务中的准确性和有效性。

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}
}

🔧 技术细节

RMBG - 2.0在BiRefNet架构基础上，利用专有数据集和训练方案进行优化。训练数据包含超过15,000张高质量、高分辨率、手动标注（像素级精度）且完全授权的图像，涵盖多种图像类型和场景，从而显著提高了模型在背景去除任务中的准确性和有效性。

📄 许可证

本模型遵循知识共享署名 - 非商业性使用 4.0 国际许可协议（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达成商业协议，可点击此处了解详情。购买商业许可请点击此处。