BEN2：从图像、视频中快速移除背景的深度学习模型

综合介绍

BEN2（Background Erase Network 2）是由Prama LLC开发的一款深度学习模型，专门用于自动从图像中移除背景，并生成前景图像。该模型采用了创新的Confidence Guided Matting（CGM）管道，通过一个精细化网络处理基础模型信心较低的像素，从而实现更高精度的前景分割。BEN2在DIS5k和Prama LLC的22K专有分割数据集上进行了训练，表现出色，特别是在头发抠图、4K处理、物体分割和边缘精细化方面。其安装包仅有1.13GB，官方部署的实例能够在6秒内完成一张1080p图像的抠图，而处理4K图像大约需要20秒。

相关推荐：removebg：一键去除图片背景，removebg在线免费中文版

BEN2去除图像背景效果

BEN2去除视频背景效果，注意麦克风位置

功能列表

• 背景移除：自动从图像中移除背景，生成二值掩码和前景图像。
• 前景分割：高精度的前景分割，适用于各种复杂场景。
• CUDA支持：支持GPU加速，提升处理速度。
• 简单API：提供简洁的API，方便集成到各种应用中。
• 高分辨率处理：支持4K图像处理，适用于高分辨率需求。
• 边缘精细化：通过精细化网络处理边缘，提升分割精度。
• 快速处理：官方部署实例能够在6秒内完成1080p图像的抠图，4K图像处理时间约为20秒。

使用帮助

安装流程

1. 克隆仓库：

   git clone https://huggingface.co/PramaLLC/BEN2
cd BEN2

2. 安装依赖：

   pip install -r requirements.txt

使用流程

1. 导入必要的库和模型：

   from PIL import Image
import torch
from model import BEN_Base
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model = BEN_Base().to(device).eval()
model.load_state_dict(torch.load('BEN_Base.pth'))

2. 加载图像并进行推理：

   image = Image.open('path_to_image.png')
mask, foreground = model.inference(image)
mask.save('mask.png')
foreground.save('foreground.png')

主要功能操作流程

1. 背景移除：
   • 加载图像后，模型会自动生成背景掩码和前景图像。
   • 掩码图像保存为mask.png，前景图像保存为foreground.png。
2. 前景分割：
   • 模型通过Confidence Guided Matting（CGM）管道，精确分割前景。
   • 适用于复杂背景和细节丰富的图像，如头发、边缘等。
3. 高分辨率处理：
   • 支持4K图像处理，确保高分辨率图像的分割效果。
   • 适用于需要高精度和高质量图像处理的应用场景。
4. 边缘精细化：
   • 通过精细化网络处理边缘，提升分割精度。
   • 特别适用于需要精细边缘处理的图像，如产品照片、肖像等。
5. 快速处理：
   • 官方部署实例能够在6秒内完成1080p图像的抠图，4K图像处理时间约为20秒。
   • 适用于需要快速处理大量图像的应用场景。