Исследователи из Feyn представили FeyNoBg — модель для автоматического удаления фона, и open source библиотеку NoBg, на которой её обучали. В восьми бенчмарках новинка показала лучший S-measure в четырёх, а в остальных уступила лидеру не более чем на 2%. Модель и код уже выложены на Hugging Face и GitHub.
Задача background removal — предсказать прозрачность для каждого пикселя так, чтобы фон исчез, объект остался, а на границах появилась полупрозрачность. Для этого нужны два навыка: отделить передний план от фона даже в перегруженных или зашумлённых сценах, и точно очертить контур объекта — волосы, шерсть, провода и смазанное движение требуют аккуратного маттирования. Обычно эти навыки тренируют на разных данных, и плохо смешанный датасет даёт перекос: модель либо пропускает части объекта, либо грязнит края.
За основу взяли архитектуру BiRefNet, где локализационный модуль ищет объект, а реконструкционный — восстанавливает границу. Ключевым оказался третий этап экстрактора признаков, который удерживает и общую картину, и пространственные детали. Его глубину увеличили с 18 до 24 блоков, подняв число параметров с 222M до 263M. Все совместимые предобученные веса сохранили — только шесть новых блоков начали с нуля, чтобы добавить ёмкости без забывания базы.
Первый прогон на синтетическом MaskFactory улучшил CAMO, но ухудшил DIS5K. Тогда собрали 26 100 изображений из десяти датасетов: сцены с толпой, камуфляж, высокое разрешение, портреты и аниме. Каждый источник ограничили 4 000 снимков и привели разметку к бинарным маскам переднего плана — даже датасеты для маттинга использовались только для чётких контуров, без мягкой прозрачности. В финальную смесь добавили S3OD, убавили аниме и выкинули несколько шумных наборов.
На восьми тестовых наборах, включая DAVIS-S, COD10K-TE и UHRSD-TE, FeyNoBg обходит BiRefNet и другие методы на UHRSD-TE, HRSOD-TE, DIS5K и DAVIS-S, а на DUTS-TE, COD10K-TE, DUT-OMRON и CAMO-TE отстаёт от лидеров не более чем на 1.9%.
Библиотека NoBg даёт единый интерфейс для инференса и тренировки моделей BiRefNet и FeyNoBg. В сравнении с оригинальной реализацией она быстрее по пропускной способности, ниже по задержке и занимает меньше пиковой GPU-памяти при батчах 1, 2 и 4. Установка — pip install nobg. Пример кода: загрузка модели через AutoModel.from_pretrained, обработка фото, постпроцессинг альфа-канала и сохранение вырезанного PNG. Для обучения NoBg совместима с Hugging Face Trainer, ожидая колонки image и mask.
Модель доступна для скачивания на Hugging Face, опробовать её можно в Hugging Face Space, а код — на GitHub. Авторы благодарят создателей BiRefNet и всех, кто выложил использованные датасеты и код.