在图像处理领域，背景移除技术一直是开发者关注的焦点。近日，一支技术团队推出了名为FeyNoBg的全新背景移除模型，并在开源社区同步发布了配套的NoBg训练与推理库，为开发者提供了一套高效、轻便的抠图解决方案。
背景移除算法的核心挑战在于精准识别前景对象，同时妥善处理边缘细节，如毛发、半透明薄纱等复杂区域。为了攻克这一难题，研发团队以开源的BiRefNet架构为基础，进行了深度优化。他们将模型的关键特征提取模块从18块扩展至24块，使参数量从222M增加至263M。这一调整不仅完整保留了原有预训练权重，还显著提升了模型的学习能力和信息保持能力。
在训练策略上，团队采用了多源混合训练的方法，突破了单一数据集的局限性。他们收集并清洗了10个不同类型的数据集，涵盖复杂场景、高分辨率图像、伪装物体及动漫等内容，共计2.61万张图像。通过严谨的数据配比调整和统一的二值掩码转换，模型在多项权威基准测试中表现优异。数据显示，FeyNoBg在八大主流基准测试中的四个项目中创下了最佳S-measure评分，其余测试中也与榜首成绩接近，性能表现十分突出。
为了便于开发者实际应用，团队还开源了底层Python库NoBg。实测表明，在批处理模式下，该库相比原始BiRefNet实现了更高的吞吐量、更低的延迟以及更小的显存占用。目前，开发者可以通过Hugging Face平台获取FeyNoBg模型，或通过GitHub深入了解其技术细节和实现方式。这一成果为图像处理领域带来了新的可能性，也为开发者提供了更高效的工具选择。
