ZhengPeng7/BiRefNet

해결하는 문제

BiRefNet은 전경 객체를 배경에서 정확히 분리하는 고해상도 이분 이미지 분할(DIS)을 위해 설계되었습니다. 특히 고해상도 이미지에서 현저한 객체 감지(SOD) 및 위장 객체 감지(COD)와 같은 다양한 작업에서 분할 마스크의 높은 정밀도와 세부 사항을 유지하는 문제를 해결합니다.

작동 방식

이 프로젝트는 고해상도 분할을 달성하기 위해 양자 참조 메커니즘을 구현합니다. Swin Transformer와 같은 다양한 백본을 활용하며, 다양한 해상도와 작업에 특화된 모델을 제공합니다. 시스템은 효율성을 위해 FP16 추론을 지원하며, Hugging Face를 통해 한 줄로 로드할 수 있습니다. 또한 배포를 위한 ONNX 변환도 지원합니다.

대상 사용자

고해상도 이미지에 대한 고정밀 배경 제거 또는 객체 분할이 필요한 컴퓨터 비전 연구자와 개발자, 그리고 매팅 및 현저한 객체 감지 작업을 하는 사람들.

주요 특징

• SOTA 성능: DIS, COD, HRSOD를 포함한 여러 벤치마크에서 최첨단 결과를 달성.
• 고해상도 지원: 2K(2560x1440)까지의 해상도와 동적 해상도 범위(256x256 ~ 2304x2304)로 훈련된 특화 모델 제공.
• 효율적인 추론: FP16 추론을 지원하여 RTX 4090에서 1024x1024 해상도에서 17 FPS를 달성.
• 다양한 모델 Zoo: 일반 사용, 매팅, 특정 학술 벤치마크를 위한 다양한 사전 훈련된 가중치 제공.
• 쉬운 통합: Hugging Face AutoModelForImageSegmentation을 통한 한 줄 로드.