BEN2: modelo de aprendizaje profundo para eliminar rápidamente el fondo de imágenes y vídeos

Introducción general

BEN2 (Background Erase Network 2) es un modelo de aprendizaje profundo desarrollado por Prama LLC específicamente diseñado para eliminar automáticamente el fondo de una imagen y generar una imagen en primer plano. El modelo emplea una innovadora tubería Confidence Guided Matting (CGM) para procesar píxeles con menor confianza en el modelo base a través de una red de refinamiento, lo que resulta en una segmentación de primer plano de mayor precisión.BEN2 fue entrenado en DIS5k y en el conjunto de datos de segmentación propietario 22K de Prama LLC, y se desempeña excepcionalmente bien, especialmente en hair keying, 4K la segmentación de objetos y el refinamiento de bordes. Su paquete de instalación ocupa sólo 1,13 GB, y las instancias desplegadas oficialmente son capaces de incrustar una imagen 1080p en menos de 6 segundos, mientras que el procesamiento de una imagen 4K tarda unos 20 segundos.

Recomendación relacionada:removebg: eliminar fondo de imagen con un solo clic, removebg online gratis versión china

BEN2:从图像、视频中快速移除背景的深度学习模型

BEN2 Eliminar efecto de fondo de imagen

 

BEN2:从图像、视频中快速移除背景的深度学习模型

BEN2 elimina los efectos de fondo del vídeo, toma nota de la posición del micrófono

 

Lista de funciones

  • Eliminación de antecedentes: Elimina automáticamente el fondo de la imagen y genera una máscara binaria y una imagen de primer plano.
  • segmentación del primer planoSegmentación de primer plano de alta precisión para diversas escenas complejas.
  • Soporte CUDA: Admite aceleración de GPU para mejorar la velocidad de procesamiento.
  • API simpleProporciona una API limpia para facilitar la integración en diversas aplicaciones.
  • Procesado de alta resolución: Admite el procesamiento de imágenes 4K para requisitos de alta resolución.
  • Refinamiento de bordesMejora la precisión de la segmentación procesando los bordes a través de una red de grano fino.
  • Tratamiento rápidoEl ejemplo de despliegue oficial es capaz de codificar imágenes 1080p en 6 segundos, y las imágenes 4K se procesan en unos 20 segundos.

 

Utilizar la ayuda

Proceso de instalación

  1. Almacén de clonación:
   git clone https://huggingface.co/PramaLLC/BEN2
cd BEN2
  1. Instale la dependencia:
   pip install -r requirements.txt

Proceso de utilización

  1. Importe las bibliotecas y modelos necesarios:
   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'))
  1. Carga la imagen y realiza la inferencia:
   image = Image.open('path_to_image.png')
mask, foreground = model.inference(image)
mask.save('mask.png')
foreground.save('foreground.png')

Funciones principales

  1. Eliminación de antecedentes::
    • Tras cargar la imagen, el modelo genera automáticamente una máscara de fondo y una imagen de primer plano.
    • La imagen de la máscara se guarda comomask.pngLa imagen en primer plano se guarda comoforeground.png.
  2. segmentación del primer plano::
    • El modelo pasa a través de la tubería Confidence Guided Matting (CGM) para segmentar con precisión el primer plano.
    • Ideal para fondos complejos e imágenes ricas en detalles como pelo, bordes, etc.
  3. Procesado de alta resolución::
    • Admite el procesamiento de imágenes 4K para garantizar el efecto de segmentación de imágenes de alta resolución.
    • Adecuado para escenarios de aplicación que requieren un procesamiento de imágenes de alta precisión y calidad.
  4. Refinamiento de bordes::
    • Mejore la precisión de la segmentación procesando los bordes mediante redes de grano fino.
    • Especialmente adecuado para imágenes que requieren un tratamiento fino de los bordes, como fotos de productos, retratos, etc.
  5. Tratamiento rápido::
    • El ejemplo de despliegue oficial es capaz de codificar imágenes 1080p en 6 segundos, y las imágenes 4K se procesan en unos 20 segundos.
    • Ideal para aplicaciones en las que es necesario procesar rápidamente un gran número de imágenes.
© declaración de copyright
AiPPT

Artículos relacionados

Sin comentarios

Debe iniciar sesión para participar en los comentarios.
Acceder ahora
ninguno
Sin comentarios...