BEN2: Deep-Learning-Modell zur schnellen Hintergrundentfernung aus Bildern und Videos

Allgemeine Einführung

BEN2 (Background Erase Network 2) ist ein von Prama LLC entwickeltes Deep-Learning-Modell, das speziell darauf ausgelegt ist, automatisch den Hintergrund aus einem Bild zu entfernen und ein Vordergrundbild zu erzeugen. Das Modell verwendet eine innovative Confidence Guided Matting (CGM) Pipeline, um Pixel mit geringerem Vertrauen in das Basismodell durch ein Verfeinerungsnetzwerk zu verarbeiten, was zu einer genaueren Segmentierung des Vordergrunds führt.BEN2 wurde auf DIS5k und Prama LLC's proprietärem 22K Segmentierungsdatensatz trainiert und erbringt außergewöhnlich gute Leistungen, insbesondere bei Hair Keying, 4K Verarbeitung, Objektsegmentierung und Kantenverfeinerung. Das Installationspaket ist nur 1,13 GB groß, und offiziell eingesetzte Instanzen sind in der Lage, ein 1080p-Bild in weniger als 6 Sekunden zu keyen, während die Verarbeitung eines 4K-Bildes etwa 20 Sekunden dauert.

Verwandte Empfehlung:removebg: Bildhintergrund mit einem Klick entfernen, removebg online kostenlose chinesische Version

BEN2 Bildhintergrundeffekt entfernen

BEN2 beseitigt Video-Hintergrundeffekte, Mikrofonposition beachten

Funktionsliste

• Entfernung des HintergrundsAutomatisches Entfernen des Hintergrunds aus dem Bild und Erstellen einer binären Maske und eines Vordergrundbildes.
• Segmentierung des VordergrundsHochpräzise Vordergrundsegmentierung für eine Vielzahl von komplexen Szenen.
• CUDA-UnterstützungUnterstützt GPU-Beschleunigung zur Erhöhung der Verarbeitungsgeschwindigkeit.
• Einfache APIBietet eine saubere API für die einfache Integration in verschiedene Anwendungen.
• Hochauflösende VerarbeitungUnterstützt 4K-Bildverarbeitung für hohe Auflösungsanforderungen.
• KantenveredelungVerbesserung der Segmentierungsgenauigkeit durch Verarbeitung von Kanten über ein feinkörniges Netz.
• Schnelle BearbeitungDas offizielle Einsatzbeispiel ist in der Lage, 1080p-Bilder in 6 Sekunden zu keyen, und 4K-Bilder werden in etwa 20 Sekunden verarbeitet.

Hilfe verwenden

Ablauf der Installation

1. Klon-Lagerhaus:

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

2. Installieren Sie die Abhängigkeit:

   pip install -r anforderungen.txt

Verwendung Prozess

1. Importieren Sie die erforderlichen Bibliotheken und Modelle:

   von PIL importieren Image
importieren Fackel
von model importieren 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. Laden Sie das Bild und führen Sie eine Inferenz durch:

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

Hauptfunktionen

1. Entfernung des Hintergrunds::
   • Nach dem Laden des Bildes erzeugt das Modell automatisch eine Hintergrundmaske und ein Vordergrundbild.
   • Das Maskenbild wird gespeichert alsmaske.pngDas Bild im Vordergrund wird gespeichert alsforeground.png.
2. Segmentierung des Vordergrunds::
   • Das Modell durchläuft die CGM-Pipeline (Confidence Guided Matting) zur genauen Segmentierung des Vordergrunds.
   • Ideal für komplexe Hintergründe und detailreiche Bilder wie Haare, Kanten usw.
3. Hochauflösende Verarbeitung::
   • Unterstützt 4K-Bildverarbeitung, um den Segmentierungseffekt von hochauflösenden Bildern zu gewährleisten.
   • Geeignet für Anwendungsszenarien, die eine hohe Präzision und Qualität der Bildverarbeitung erfordern.
4. Kantenveredelung::
   • Verbessern Sie die Segmentierungsgenauigkeit, indem Sie Kanten durch feinkörnige Netzwerke verarbeiten.
   • Besonders geeignet für Bilder, die eine feine Kantenbearbeitung erfordern, wie z. B. Produktfotos, Porträts usw.
5. Schnelle Bearbeitung::
   • Das offizielle Einsatzbeispiel ist in der Lage, 1080p-Bilder in 6 Sekunden zu keyen, und 4K-Bilder werden in etwa 20 Sekunden verarbeitet.
   • Ideal für Anwendungsszenarien, in denen eine große Anzahl von Bildern schnell verarbeitet werden muss.