许可证：其他 许可证名称：bria-rmbg-2.0 许可证链接：https://creativecommons.org/licenses/by-nc/4.0/deed.zh 任务标签：图像分割 标签：

• 去除背景
• 背景
• 背景移除
• Pytorch
• 视觉
• 法律责任
• 转换器
• transformers.js 额外授权说明：> Bria AI模型权重仅限非商业用途开源，依据提供的许可证。 额外授权标题：填写此表单立即获取非商业用途模型访问权限 额外授权字段： 姓名：文本 邮箱：文本 公司/组织名称：文本 公司官网链接：文本 Discord用户名：文本 我同意BRIA隐私政策、服务条款，并确认非商业用途为个人/学术/非营利用途（直接或间接）：复选框

BRIA 背景移除2.0模型卡

RMBG v2.0是我们全新的最先进背景移除模型，显著优于RMBG v1.4。该模型专为高效分离各类别和图像类型的前景与背景而设计，基于精选数据集训练，涵盖：通用图库、电商、游戏及广告内容，适用于规模化企业级内容创作的商业场景。当前在准确性、效率和多场景适应性方面媲美领先的开源模型，是内容安全、合法授权数据集和减少偏见至关重要的场景的理想选择。

由BRIA AI开发的RMBG v2.0作为开源模型提供非商业使用。

获取方式

Bria RMBG2.0支持全平台部署，包括源代码权重、ComfyUI节点或API端点：

• 商业授权：点击此处购买
• API端点：Bria.ai, fal.ai
• ComfyUI：工作流集成

更多信息请访问官网。

加入Discord社区获取教程、工具并与其他用户交流！

点击体验演示

模型详情

模型描述

• 开发方：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4.0

  • 模型采用CC BY-NC 4.0许可非商业使用
  • 商业使用需与BRIA签订协议，点击申请

  商业授权：立即购买

• 模型说明：BRIA RMBG-2.0是基于专业级数据集训练的二值图像分割模型

• 资源：BRIA AI官网

训练数据

Bria-RMBG模型使用15,000+高清、人工像素级标注、全授权图像训练。基准测试涵盖性别平衡、种族平衡及残障人士群体。数据分布如下：

图像分布：

定性评估

开源模型对比

架构

RMBG-2.0基于BiRefNet架构，结合专有数据集和训练方案优化，显著提升背景移除任务的精度。研究引用：

@article{BiRefNet,
  title={双边参照的高分辨率二值图像分割},
  author={郑鹏、高德宏、范登平、刘力、Laaksonen Jorma、欧阳万里、Sebe Nicu},
  journal={CAAI人工智能研究},
  year={2024}
}

环境要求

torch
torchvision
pillow
kornia
transformers

使用示例

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(输入图片路径)
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("无背景图片.png")