## 简介

提供了一套完整的BiRefNet模型调用解决方案。该项目可调用huggingface上最新的BiRefNet系列模型，方便自动下载、手动下载和调用，支持一键调用各类模型进行抠图处理，方便一键下载模型或手动下载模型。

## 功能

🚀 支持全系列BiRefNet模型，包括通用模型、高分辨率模型和轻量级模型等，支持所有BiRefNet的huggingface模型库

💫 自动模型管理，支持本地加载与在线下载

可以直接下载到models\BiRefNet\下，如图所示：

![image](https://github.com/user-attachments/assets/db8f1992-12f6-4d8a-8887-076226e417f5)

也可以选择运行的时候自动下载

🎯 针对不同场景优化的模型选项，自动选择模型推理时的最佳抠图尺寸

- BiRefNet
  适合通用场景，1024*1024推理，为展示各模型效果，这里给出一些测试案例。

  - 插画人物效果对比，此轮DIS5K结果最优。
   
  ![test2](https://github.com/user-attachments/assets/f3542204-94ea-4be8-ad5f-4df295207c1d)

  - 产品主体抠图效果对比

  ![test3](https://github.com/user-attachments/assets/bc02c186-a37b-41fc-85c0-f4c05187b07e)

  - 结构较为复杂的主体

  ![test4](https://github.com/user-attachments/assets/16fc740d-de33-496c-a4c4-ea1ed05c38be)


- BiRefNet_HR
  适合更高分辨率，2048*2048推理，在高分辨率图像抠图时，由于本身可推理尺寸较大，以及训练时使用了matting类数据集(主要为镂空、透明玻璃、人物发丝等)，所以可以获得更为细致、自然的边缘以及玻璃透光类图像，推荐使用时优先选择。

  - 可缓解边缘锯齿问题，细节抠图更优

  ![test5](https://github.com/user-attachments/assets/cc05835e-3376-47d9-9a20-5a05929d9e00)


  ![compare_cat](https://github.com/user-attachments/assets/c4f9a532-0d18-4599-880c-2693ae3d2a12)


- BiRefNet-matting
  镂空、透明、发丝类数据专项训练，1024*1024推理，由于推理尺寸较小，因此边缘清晰度不如BiRefNet_HR

  - 发丝清晰度对比

  ![test1](https://github.com/user-attachments/assets/3b23d794-0ceb-46fb-8dc7-1af7f85848c7)

      
  - 玻璃杯抠图对比，matting效果较好，前景预估效果也较好

  ![cup-hr](https://github.com/user-attachments/assets/6e3d7339-7f58-4366-b2f0-e433af5cd2c0)

  ![cup-matting](https://github.com/user-attachments/assets/577cb864-247d-49ee-824d-e31366b4ad5f)

- BiRefNet_HR-matting
  镂空、透明、发丝类数据专项训练，2048*2048推理，更适合高清图的matting

  - 玻璃杯抠图结果
 
  ![cup-HR-matting](https://github.com/user-attachments/assets/a9bd2283-cea7-4343-94d5-bca867d56744)

  
- BiRefNet_lite
  轻量级模型，1024*1024推理

- BiRefNet_lite-2K
  轻量级模型，2560*1440推理

- BiRefNet_512x512
  对于小图效果更好，512*512推理

- BiRefNet-portrait
  针对人像类抠图任务，1024*1024推理

- 其他：为在各个数据集上训练的分割模型，1024*1024推理，此类模型中的抠图效果更偏向于硬分割，即边缘过渡感较差，若图像对边缘要求较高，需要另外加matting类模型做后处理。

🌟 对抠图结果进行前景颜色预估，使得有透明度的像素部分更贴近真实前景颜色

![compare_cartoon](https://github.com/user-attachments/assets/d87bec04-6b7f-446a-b115-7dad545a303a)

![compare_cup](https://github.com/user-attachments/assets/bddf30a6-3a84-4ae3-8002-c2bdcbd1d9f5)

![compare_fire](https://github.com/user-attachments/assets/8dfc4e22-de05-42a9-bf71-1809f283c36b)


## 感谢

感谢BiRefNet仓库的所有作者开源的代码和模型 [ZhengPeng7/BiRefNet](https://github.com/zhengpeng7/birefnet)
模型库主页：https://huggingface.co/ZhengPeng7