Feyn Labs 推出的开源背景去除模型 FeyNoBg 及其配套的 NoBg 库。以下是对该项目的核心总结：

1. 项目核心：FeyNoBg 模型

  • 定位：一个用于自动背景去除（Background Removal）的顶尖（SOTA）开源模型。
  • 架构基础：以 BiRefNet 为基础架构（包含负责寻找前景的定位模块和负责勾勒边缘的重建模块），并将其第三阶段的深度从 18 个区块扩展到 24 个区块，使参数量从 222M 增加到 263M，在保留原有预训练权重的同类能力下，增强了模型学习新技能的容量。
  • 训练数据：使用了经过精心筛选和多样化组合的训练集（共包含来自 10 个数据源的 26.1K 张图像，如 MaskFactory、S3OD、DIS5K、DUTS 等），并将所有标注统一转换为二值前景掩码，使模型能很好地兼顾前景识别与边界精度（如处理毛发、细线等复杂边缘）。
  • 性能表现：在 8 个主流基准测试（如 UHRSD-TE、HRSOD-TE、DIS5K、DAVIS-S 等）中表现优异，在其中 4 个测试中斩获最佳 S-measure 分数，其余测试也紧随领先者（差距在 2% 以内）。

2. 配套开源库：NoBg

  • 解决痛点：以往的图像抠图模型通常作为孤立的代码库发布，缺乏统一的接口。
  • 功能特点：NoBg 是一个统一的 Python 库，为运行和训练背景 removal 模型提供了简洁一致的接口。它不仅支持便捷地运行 FeyNoBg（自动处理图像大小调整、归一化、Alpha 遮罩生成及保存为透明 PNG），还可以无缝配合 Hugging Face Trainer 来训练自己的模型。
  • 效率优势：相比原始的 BiRefNet 实现，NoBg 在不同的 Batch Size（1、2、4）下均展现出了更高的吞吐量、更低的延迟以及更小的峰值 GPU 内存占用。

3. 开源与生态

  • 模型（FeyNoBg）和配套库（NoBg）均已完全开源：
    • 可在 Hugging Face 下载模型并在 Hugging Face Space 上在线体验。
    • 可通过 pip install nobg 安装，源码可在 GitHub 上获取。

项目地址：

https://usefeyn.com/blog/feynobg/#get-started

https://github.com/feyninc/nobg

https://huggingface.co/feyninc/FeyNobg/tree/main

主题授权提示：请在后台主题设置-主题授权-激活主题的正版授权，授权购买：RiTheme官网

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。