BRIA Background Removal v1.4

RMBG v1.4是briaai公司最先进的背景去除模型，它可以将一系列类别和图像类型中有效地将前景与背景切分。RMBG v1.4是在精心挑选的数据集（库存图像、电子商务、游戏和广告内容）上进行了训练，使其非常适合为大规模企业内容创建提供动力的商业用例。准确性、效率和多功能性目前可以与领先的源可用模型相媲美。在内容安全、合法许可的数据集和偏见缓解至关重要的地方，这是理想的。目前RMBG v1.4可作为非商业用途的源可用模型。

模型说明

• 开发者： BRIA AI
• 模型类型：背景去除
• 许可证： bria-rmbg-1.4
• 该模型根据知识共享许可发布，用于非商业用途。
• 商业用途须遵守与 BRIA 的商业协议。联系我们获取更多信息。
• 模型描述： BRIA MBG 1.4 是专门在专业级数据集上训练的显着性分割模型。

训练图像分布

CategoryDistribution仅对象45.11%有物体/动物的人25.24%仅限人17.35%带有文字的人/物体/动物8.52%纯文本2.52%仅限动物1.89%

CategoryDistribution逼真87.70%非真实感12.30%

CategoryDistribution非纯色背景52.05%纯色背景47.95%

CategoryDistribution单个主要前景对象51.42%前景中有多个对象48.58%

效果对比

官方效果

实测效果

通过魔哈仓库下载

下载安装

git clone https://moha.xiaoshiai.cn/briaai/models/RMBG-1.4.git
cd RMBG-1.4/
pip install -r requirements.txt

注册魔哈账号，获得专属CDN线路加速HF下载模型

运行

from skimage import io
import torch, os
from PIL import Image
from briarmbg import BriaRMBG
from utilities import preprocess_image, postprocess_image

im_path = f"{os.path.dirname(os.path.abspath(__file__))}/example_input.jpg"

net = BriaRMBG()
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
net = BriaRMBG.from_pretrained("briaai/RMBG-1.4")
net.to(device)

# prepare input
model_input_size = [1024,1024]
orig_im = io.imread(im_path)
orig_im_size = orig_im.shape[0:2]
image = preprocess_image(orig_im, model_input_size).to(device)

# inference 
result=net(image)

# post process
result_image = postprocess_image(result[0][0], orig_im_size)

# save result
pil_im = Image.fromarray(result_image)
no_bg_image = Image.new("RGBA", pil_im.size, (0,0,0,0))
orig_image = Image.open(im_path)
no_bg_image.paste(orig_image, mask=pil_im)
no_bg_image.save("example_image_no_bg.png")

晓石AI

关注公众号"晓石AI" 了解我们更多产品