ZhengPeng7/BiRefNet

这是什么？

核心功能

• 01针对高分辨率二分图像分割任务，精确分离前景主体。
• 02提供通用分割、抠图、人像抠图、DIS、HRSOD、COD 等任务的预训练权重。
• 03可通过 Hugging Face Transformers 一行代码加载模型。
• 04支持导出 ONNX 模型并进行 FP16 推理，附有耗时与显存数据。
• 05支持在自定义数据集上微调，并提供训练与评估脚本。

适用场景

• 对高分辨率产品图或人像进行去背景处理。
• 基于 PyTorch 或 ONNX 模型搭建图像、视频去背景服务。
• 在特定领域数据集上微调分割模型。
• 在 ComfyUI 或 Stable Diffusion 工作流中加入去背景节点。

快速上手

1. 1

   通过 transformers 从 Hugging Face 加载 BiRefNet 模型

   birefnet = AutoModelForImageSegmentation.from_pretrained('zhengpeng7/BiRefNet', trust_remote_code=True)

使用前须知

• !处理高分辨率图像通常需要 GPU，README 中的速度数据是在 RTX 4090 上测得的。
• !README 称项目仍需要更多 GPU 资源来继续提升模型，部分高级版本依赖外部算力。

标签

常见问题

BiRefNet 是什么？

BiRefNet 官方 PyTorch 实现，用于高分辨率二分图像分割，常用于抠图去背景。 BiRefNet 是一个用于二分图像分割的深度学习模型，能在高分辨率下把前景主体从背景中分离出来。本项目是 2024 年 CAAI AIR 论文的官方实现，基于 Python 与 PyTorch，提供训练、测试和评估脚本。

BiRefNet 可以免费使用吗？用的什么许可证？

BiRefNet 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。

BiRefNet 还在维护吗？

活跃维护中。BiRefNet 最近一次提交是在 2026年10月17日。

BiRefNet 适合用来做什么？

对高分辨率产品图或人像进行去背景处理。 基于 PyTorch 或 ONNX 模型搭建图像、视频去背景服务。 在特定领域数据集上微调分割模型。 在 ComfyUI 或 Stable Diffusion 工作流中加入去背景节点。

BiRefNet 怎么安装和运行？

通过 transformers 从 Hugging Face 加载 BiRefNet 模型: birefnet = AutoModelForImageSegmentation.from_pretrained('zhengpeng7/BiRefNet', trust_remote_code=True)

在哪里获取 BiRefNet？

源代码和安装说明在 GitHub 上：https://github.com/ZhengPeng7/BiRefNet