FeyNoBg-Modell
FeyNoBg-Modell für KI-Hintergrundentfernung
Das FeyNoBg-Verarbeitungsmodell trennt das Hauptmotiv vom Hintergrund und liefert ein transparentes Bild.
Am besten funktioniert es, wenn sich der Vordergrund optisch von der Umgebung unterscheidet. Feine Haare, weiche Kanten, Bewegungsunschärfe und transparente Objekte bleiben naturgemäß anspruchsvoller.
Die Modellausführung liegt hinter einem einzigen Adapter. Anbieterwechsel lassen sich testen, ohne Abrechnung, Anmeldung oder Oberfläche mit der Modellintegration zu vermischen.
Ein Zweck
Die Pipeline konzentriert sich auf Hintergrundentfernung statt auf einen überladenen Editor.
Asynchron
Lange Verarbeitung hält keine Browseranfrage unbegrenzt offen.
Austauschbarer Adapter
Modellspezifischer Code bleibt von Guthaben und Produktseiten getrennt.
Modellanalyse
Was FeyNoBg leistet – und was nicht
FeyNoBg ist ein auf BiRefNet basierendes Modell zur automatischen Vordergrundfreistellung. Es schätzt Vordergrund und Alpha-Maske pro Pixel, ohne dass ein Motiv angeklickt oder beschrieben wird.
Wie das Modell entwickelt wurde
Erkennt den Vordergrund als Ganzes
Das Modell findet Vordergrundelemente automatisch. Bei einer Person auf einem Sofa können Person und Sofa gemeinsam erfasst werden; es ist kein Prompt-Werkzeug für „nur diese Person“.
Tiefere dritte Merkmalsstufe
Feyn erweiterte BiRefNets dritte Extraktionsstufe unter Erhalt kompatibler vortrainierter Gewichte von 18 auf 24 Blöcke und damit von rund 222M auf 263M Parameter.
Bewusst gemischte Trainingsdaten
26.100 Beispiele aus 10 Datensätzen wurden kombiniert. Jede Quelle war auf 4.000 Bilder begrenzt, damit keine Bilddomäne dominiert; trainiert wurde über 7.000 Schritte.
Stark, aber benchmarkbezogen
Feyn meldet bei vier von acht Benchmarks den besten veröffentlichten S-measure und bei den übrigen höchstens 2% Abstand zur Spitze. Das sind Testwerte, keine Garantie für jedes Bild.
Feste Eingabe, Alpha in Originalgröße
Das Modell arbeitet mit 1024×1024 Pixeln. Die Alpha-Maske wird auf die Quelldimensionen zurückskaliert; große Exporte behalten ihre Fläche, gewinnen aber keine nie gesehenen nativen Details.
Wo automatische Freistellung Prüfung braucht
Freistellung verbindet Objektlokalisierung mit genauer Grenzrekonstruktion. Eine Verbesserung der einen Fähigkeit verbessert nicht automatisch die andere.
- Haare, Speichen, Bewegungsunschärfe, Tarnmuster, Glas und halbtransparente Kanten bleiben für jedes automatische Modell schwierig.
- Soll nur ein Objekt aus einer Gruppe gewählt werden, passt ein promptbasiertes oder manuell verfeinertes Verfahren besser.
- Wichtige Ergebnisse bei 100% prüfen. Ein guter Durchschnittswert kann die entscheidende Kante eines einzelnen Fotos dennoch verfehlen.
Urheberschaft und Lizenzgrenzen
Feyn entwickelte FeyNoBg auf Grundlage der BiRefNet-Forschungsarchitektur. Diese Website sendet Aufträge an den gehosteten FeyNoBg-Endpunkt von fal.ai und verteilt keine Trainingsgewichte.
Die NoBg-Pythonbibliothek nennt derzeit Apache-2.0, die offizielle Hugging-Face-Modellkarte derzeit CC-BY-NC-4.0. Der fal.ai-Endpunkt ist für kommerzielle Nutzung markiert. Das sind verschiedene Artefakte und Bedingungen; prüfen Sie die aktuelle Lizenz genau des Artefakts, das Sie selbst hosten oder weitergeben möchten.