Feyn 團隊推全新背景移除開源模型FeyNoBg

近日，Feyn 團隊正式推出了全新 SOTA（頂尖）背景移除模型FeyNoBg，並在開源社區同步公開了配套的NoBg訓練與推理庫，旨在爲開發者提供更輕便、高效的摳圖解決方案。

優秀的背景移除算法不僅需要準確識別前景，還要完美處理邊緣細節（如毛髮、半透明薄紗等）。爲了實現這一目標，開發團隊以開源的 BiRefNet 架構爲基礎進行深度優化。通過將其關鍵特徵提取階段的模塊由18塊擴展至24塊，使模型參數量從222M 略增至263M，在完整保留原有預訓練權重的同時，賦予了模型更強的學習與信息保持能力。

在訓練策略上，團隊突破了單一數據集帶來的侷限，收集並清洗了涵蓋複雜場景、高分辨率圖像、僞裝物體及動漫等在內的10個數據集、共計2.61萬張圖像進行多源混合訓練。經過嚴謹的數據配比調整和統一的二值掩碼轉換，該模型在多項權威基準測試中表現亮眼。數據顯示，FeyNoBg在八大主流基準測試中的四個上創下了最佳 S-measure 評分，在其餘測試中也緊咬榜首，性能幾乎不相上下。

爲了方便開發者落地應用，團隊一併開源了底層 Python 庫NoBg。實測表明，在批處理模式下，該庫相較於原始 BiRefNet 實現了更高的吞吐量、更低的延遲以及更小的顯存佔用。目前，用戶可以通過FeyNoBg on Hugging Face獲取模型，或通過 GitHub 深入探索。