Feynチームが新しい背景除去オープンソースモデルFeyNoBgを発表

最近、Feyチームは新しいSOTA（最前線）の背景除去モデルFeyNoBgを正式にリリースし、オープンソースコミュニティで対応するNoBgのトレーニングおよび推論ライブラリも公開しました。開発者にさらに軽量で効率的な画像抽出ソリューションを提供することを目的としています。

優れた背景除去アルゴリズムは、前面の正確な識別だけでなく、エッジの細部（毛髪や半透明のスカートなど）の完璧な処理も必要です。この目標を達成するために、開発チームはオープンソースのBiRefNetアーキテクチャを基盤にして深い最適化を行いました。そのキーフィーチャー抽出ステージのモジュールを18個から24個に拡張し、モデルパラメータ数を222Mからわずかに263Mに増加させました。これにより、元の事前学習重みを完全に保持しながら、モデルの学習と情報保持能力がより強くなりました。

トレーニング戦略において、チームは単一のデータセットによる制約を突破し、複雑なシナリオ、高解像度画像、偽装された物体、アニメーションを含む10のデータセット、合計2万6100枚の画像を収集・洗浄して多源混合トレーニングを行いました。厳密なデータ比調整と統一された二値マスク変換を通じて、このモデルはいくつかの権威あるベンチマークテストで目覚ましい性能を発揮しました。データによると、FeyNoBgは8つの主要なベンチマークテストの中で4つで最高のS-measureスコアを記録し、他のテストでも首位に迫る性能を示しており、ほぼ同等の性能を維持しています。

開発者がアプリケーションに実装しやすくするために、チームは下位レイヤーのPythonライブラリNoBgも同時にオープンソース化しました。実測の結果、バッチ処理モードでは、このライブラリは元のBiRefNetよりも高いスループット、低い遅延、そして小さなVRAM使用量を実現しました。現在、ユーザーはFeyNoBg on Hugging Face