RMBG-1.4

מה זה

מדובר במודל סגמנטציה שמיועד למשימה אחת בלבד, חיתוך הרקע והשארת האובייקט המרכזי. הוא מבוסס על ארכיטקטורת IS-Net עם התאמות של BRIA, ומכיל 44 מיליון פרמטרים בלבד. המשמעות היא כלי קל במיוחד בהשוואה למפלצות הראייה הממוחשבת של השנים האחרונות, אבל כזה שמכוון לתוצאה נקייה ברמת הפיקסל.

הייחוד כאן מגיע מבחירת הדאטה. החברה אימנה אותו על מעל 12,000 תמונות ברזולוציה גבוהה שתויגו ידנית ומחזיקות ברישיונות מלאים. החלוקה הפנימית מגוונת מאוד, כאשר כמעט חצי מהתמונות הן חפצים בלבד, רבע מוקדש לשילובים של אנשים עם חפצים או חיות, והשאר מכסה בני אדם וטקסט. המיקוד הזה הופך אותו ליעיל ישירות לצילומי מסחר אלקטרוני, משחקים ופרסום שדורשים בידוד מדויק של מוצר.

מתאים ל

• בידוד מוצרים לחנויות רשת

  כמעט חצי מנתוני האימון הם חפצים בודדים, מה שמבטיח גזירה מדויקת לקטלוגים ומודעות.

• חיתוך דמויות לצילומי תדמית

  הדאטה כולל מעל 40 אחוז תמונות של בני אדם באיזון דמוגרפי, שמתאימים לעיבוד פורטרטים.

• הכנת נכסים למשחקי מחשב

  מאפשר לנקות רקעים מרונדרים או צילומים במהירות בזכות ארכיטקטורה שמותאמת לנכסי גיימינג.

איפה זה נופל

למרות האימון הרחב, חיות בלבד תופסות רק 1.89 אחוזים מדאטה האימון, וטקסט בלבד תופס 2.52 אחוזים. אם התמונות שלכם מכילות בעיקר בעלי חיים מורכבים עם פרווה דקה או שלטים מבודדים, שווה לבדוק את התוצאות מראש לפני שמסתמכים עליו במוצר. מעבר לכך, התמונות הלא פוטו ריאליסטיות מהוות רק כשתים עשרה אחוזים מהמאגר, כך שאיורים וגרפיקה מופשטת עלולים לקבל חיתוך פחות מדויק.

איך מריצים

המשקל הכולל של הקבצים עומד על 803 מגהבייט בדיוק float32, כך שאין שום בעיה להריץ אותו מקומית על כרטיס מסך פשוט או אפילו על מעבד סביר בלי לחנוק את הזיכרון. הטעינה נעשית ישירות דרך ספריית transformers עם pipeline ייעודי של סגמנטציה, וכל מה שצריך זה להפעיל trust remote code כדי שהארכיטקטורה תרוץ.

אם אתם צריכים עיבוד נקודתי בקוד שלכם או אצוות קטנות, ההרצה העצמית פשוטה מאוד ולא דורשת תשתיות ענן מורכבות. מצד שני, אם יש לכם צפי לעומסי תנועה חריגים ואין לכם שרת זמין שממתין לבקשות, שירות מנוהל יחסוך את התחזוקה.

from transformers import pipeline

pipe = pipeline("image-segmentation", model="briaai/RMBG-1.4")
print(pipe("שלום"))

הקבצים

20 קבצים במאגר, 803 MB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

• model.pth176.7 MB
• pytorch_model.bin176.6 MB
• model.safetensors176.4 MB
• onnx/model.onnx176.2 MB
• onnx/model_fp16.onnx88.2 MB
• onnx/model_quantized.onnx44.4 MB
• t4.png2.2 MB
• results.png1.3 MB
• example_input.jpg326.6 KB
• briarmbg.py13.1 KB
• README.md6.4 KB
• MyPipe.py2.9 KB
• .gitattributes1.8 KB
• example_inference.py1.1 KB
• utilities.py980 B
• config.json548 B
• onnx/quantize_config.json527 B
• preprocessor_config.json345 B
• MyConfig.py326 B
• requirements.txt87 B

הרישיון

הרישיון כאן מוגדר תחת תנאי Creative Commons לשימוש לא מסחרי בלבד. אתם יכולים לשחק איתו, לפתח אב טיפוס או להשתמש בו לצרכי מחקר בחינם. אם התוכנית היא לשלב אותו בתוך מוצר רווחי, שירות לקוחות בתשלום או כל יישום מסחרי אחר, BRIA דורשת רכישת רישיון מסחרי ייעודי נפרד דרך האתר שלה.

הרישיון המלא בעמוד המודל ↗