模型名称: RMBG-2.0
模型链接: briaai/RMBG-2.0
模型描述: RMBG-2.0 是 Bria AI 推出的高精度背景移除(Background Removal)模型,可对图像中的前景主体进行像素级分割并生成透明背景抠图,广泛应用于电商、设计、图像编辑等场景。
模型架构: BiRefNet(基于 Swin Transformer 的双向参考高分辨率图像二分网络)
参数规模: 约 885M(model.safetensors 约 0.9 GB)
| 依赖项 | 版本要求 | 说明 |
|---|---|---|
| Python | >= 3.10 | 推荐 3.11 |
| torch / torch_npu | 2.1.0+ | 昇腾 NPU 环境(本环境为 torch 2.7.1+cpu + torch_npu) |
| transformers | >= 4.45.0 | HuggingFace 库,需 trust_remote_code 加载 BiRefNet |
| timm | >= 1.0.0 | BiRefNet 自定义代码依赖 |
| kornia | >= 0.7.0 | BiRefNet 自定义代码依赖(Laplacian 算子) |
| Pillow / numpy | 最新版 | 图像读取与预处理 |
| torchvision | 与 torch 匹配 | deform_conv2d 等算子 |
安装命令:
pip install --target /mnt/workspace/RMBG-2.0/libs transformers timm kornia
# 运行时叠加 PYTHONPATH=/mnt/workspace/RMBG-2.0/libs# 检查 NPU 设备
npu-smi info
# 模型权重位于本地目录(离线加载,不联网)
ls /home/developer/models/RMBG-2.0/PYTHONPATH=/mnt/workspace/RMBG-2.0/libs:$PYTHONPATH \
python inference.py --model_path /home/developer/models/RMBG-2.0脚本自动选择设备(npu > cuda > cpu),内置示例输入图,输出前景掩码 mask_*.png 与透明背景抠图 cutout_*.png。
| 参数 | 类型 | 默认值 | 说明 |
|---|---|---|---|
| --model_path | str | /home/developer/models/RMBG-2.0 | 本地模型权重目录 |
| --input_image | str | 内置示例图 | 输入图片路径 |
| --output_dir | str | outputs | 结果输出目录 |
输入:
python inference.py --model_path /home/developer/models/RMBG-2.0输出:
[INFO] 设备类型: npu, device=npu:0
[INFO] 模型加载完成,加载耗时 xx.xxs
[INFO] 输入图像: t4.png (size=(w, h))
[INFO] 前景掩码已保存: outputs/mask_t4.png
[INFO] 抠图结果已保存: outputs/cutout_t4.png
[INFO] 掩码尺寸: (w, h), 前景占比: 0.xxxx
耗时/elapsed: x.xxx s输入:
python inference.py --model_path /home/developer/models/RMBG-2.0 --input_image /path/to/test.jpg --output_dir ./outputs输出:
[INFO] 输入图像: test.jpg (size=(w, h))
[INFO] 前景掩码已保存: ./outputs/mask_test.png
[INFO] 抠图结果已保存: ./outputs/cutout_test.png
耗时/elapsed: x.xxx s


AutoModelForImageSegmentation.from_pretrained(..., trust_remote_code=True) 加载,依赖权重目录内的 birefnet.py 自定义代码,需安装 timm、kornia;local_files_only=True,不联网下载任何文件;