FeyNoBg 模型
FeyNoBg AI 图片去背景模型
FeyNoBg 处理模型把主体与背景分开，并返回带透明通道的图片。
主体与环境在颜色和纹理上有明显区别时效果最好。发丝、柔边、运动模糊和透明物体本来就是更难的情况。
模型调用被收口在一个适配器里，将来替换服务商时，不会把登录、积分、支付和界面一起搅乱。
目标单一
专注去背景，不把产品做成臃肿编辑器。
异步执行
较长任务不会无限占住一个浏览器请求。
适配器可替换
模型代码与积分和产品页面隔离。
模型研究
FeyNoBg 能做什么，也不能做什么
FeyNoBg 是基于 BiRefNet 的自动前景提取模型。它不要求用户点击或描述主体，而是直接预测前景和每个像素的透明度蒙版。
模型是怎样做出来的
识别的是整组前景
模型会自动寻找前景元素。比如人物坐在沙发上时，结果可能同时包含人物和沙发；它不是“只选这个人”的提示式选择工具。
加深第三个特征阶段
Feyn 在保留兼容预训练权重的同时，把 BiRefNet 第三个特征提取阶段从 18 个模块扩到 24 个，参数量由约 2.22 亿增加到 2.63 亿。
刻意控制比例的混合数据
训练集由 10 个数据集的 26,100 个样本组成。为了避免某一类画面占主导，每个来源最多使用 4,000 张，并训练了 7,000 步。
成绩强，但只代表对应基准
Feyn 报告称，在 8 个基准中的 4 个取得已公布最高 S-measure，其余与领先结果相差不超过 2%。这是测试集表现，不等于每张图片都能完美处理。
固定模型输入，原尺寸蒙版输出
模型以 1024×1024 尺寸运行，再把透明度蒙版缩放回原图尺寸。大图可以保留画布大小，但这不会凭空补出模型从未看见的原生细节。
自动抠图仍然需要人工判断的地方
前景提取同时要求模型找准物体位置和重建精细边界。一个能力提高，并不代表另一个能力必然同步提高。
- 头发、车轮辐条、运动模糊、伪装、玻璃和半透明边缘，对任何自动模型都仍是难例。
- 如果只想从多个前景里取一个物体，提示式选择或人工细修比自动前景提取更合适。
- 重要结果应按 100% 比例检查。平均基准领先，仍可能漏掉某一张照片里最关键的边缘。
署名与许可边界
Feyn 基于 BiRefNet 研究架构开发了 FeyNoBg。本网站把生成任务发送给 fal.ai 托管的 FeyNoBg 接口，不分发模型训练权重。
NoBg Python 库目前标注 Apache-2.0，而官方 Hugging Face 模型卡目前标注 CC-BY-NC-4.0；fal.ai 接口标注可商用。它们是不同产物、不同条款。若要自行部署或再分发，请核对你实际使用的那个产物的最新许可。