Недавно команда BRIA.AI провела пресс-конференцию в HuggingFace Открытый. исходный кодна основеISNetудаление фона МодельRMBG-1.4,Он может эффективно разделить передний план и фон. RMBG-1.4 обучается на тщательно составленном наборе данных.,Эти данные содержат общие изображения, материалы электронной коммерции, игры и рекламный контент.,Решение обеспечивает производительность коммерческого уровня, но ограничено некоммерческим использованием.。Об использованном обученииданные:12000+высокое качество&Ручные аннотации с высокой точностью на уровне пикселей。более подробныйданные Для ознакомления с дистрибутивом перейдите сюда[RMBG-1.4].
У знаменитого HuggingFace уже есть демонстрационная версия этой модели удаления фона, см.: https://huggingface.co/spaces/briaai/BRIA-RMBG-1.4. Пользователям нужно только загрузить изображения, чтобы испытать ее.
Конечно, есть и не очень хорошие результаты, например, приведенные ниже:
Загрузка кода
git clone https://huggingface.co/briaai/RMBG-1.4
cd RMBG-1.4/
pip install -r requirements.txt
Пример вызова кода
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")