BRIA AI推出最新开源背景移除模型RMBG v2.0

RMBG v2.0 是由 BRIA AI 最新研发的先进背景移除模型，能够在各种类别和图像类型中有效地将前景与背景分离。该模型经过精心挑选的数据集训练，包括通用库存图片、电子商务、游戏和广告内容，使其适用于商业用途，支持企业级内容的大规模创建。RMBG v2.0 的准确性、效率和多功能性与当前领先的公开来源模型相媲美，特别适合需要内容安全性、合法授权数据集和偏置缓解的场景。

• 模型：https://huggingface.co/briaai/RMBG-2.0
• Demo：https://huggingface.co/spaces/briaai/BRIA-RMBG-2.0

相关：

• 全新开源背景移除模型ormbg：专门针对含有人物的图像进行了优化
• 开源去背景模型RMBG-1.4：快速去背景，可用于视频去背景

模型详情

• 开发者：BRIA AI
• 模型类型：背景移除
• 许可：bria-rmbg-2.0

  • 非商业用途：遵循创意共享许可证发布。
  • 商业用途：需与 BRIA 签订商业协议。更多信息请联系 BRIA AI。

模型描述

RMBG v2.0 是一个在专业级数据集上训练的二分图像分割模型。该模型旨在提供高精度的背景移除功能，适用于多种应用场景。

训练数据

• 数据量：超过 15,000 张高质量、高分辨率的图像。
• 标注方式：手动标注，像素级准确度。
• 授权：所有图像均拥有完全授权。
• 数据多样性：

  • 性别平衡：确保数据集中男性和女性图像的比例均衡。
  • 种族平衡：确保数据集中不同种族的图像比例均衡。
  • 残疾人图像：包括不同类型残疾人的图像，以确保模型的普适性和公平性。

定性评估

RMBG v2.0 在多个基准测试中表现出色，特别是在以下几个方面：

• 准确性：在多种图像类型中，模型能够准确地分离前景和背景。
• 效率：模型在处理大量图像时表现出高效的性能。
• 多功能性：适用于多种应用场景，包括电子商务、广告和游戏内容。

开源模型比较

架构

RMBG v2.0 是在 BiRefNet 架构上开发的，通过专有的数据集和训练方案进行了增强。BiRefNet 架构的设计旨在提高模型在背景移除任务中的准确性和有效性。以下是 BiRefNet 架构的一些关键特点：

• 深度学习框架：使用先进的深度学习框架进行训练。
• 多尺度特征融合：通过多尺度特征融合技术，提高模型对不同尺度物体的识别能力。
• 注意力机制：引入注意力机制，使模型能够更好地聚焦于前景物体。
• 数据增强：通过数据增强技术，增加模型的泛化能力。

应用场景

RMBG v2.0 适用于多种应用场景，包括但不限于：

• 电子商务：自动去除商品图片的背景，提高商品展示效果。
• 广告内容：快速生成高质量的广告素材，提升视觉效果。
• 游戏开发：用于游戏角色和场景的背景移除，提高游戏体验。
• 内容创作：帮助内容创作者快速处理图像，提高工作效率。