RMBG-2.0开源的图像背景移除模型，具备高精度并支持各类图像

技术 2025-11-30 03:11

声明：该文章由作者（minichu）发表，转载此文章须经作者同意并请附上出处(0XUCN)及本页链接。。

RMBG-2.0 是 BRIA AI 推出的最新图像背景移除模型，基于先进的 AI 技术实现高精度的前景与背景分离，达到 SOTA（State of the Art，即当前最佳）水平。RMBG-2.0 在性能上超越前代版本，从 1.4 版本的 73.26%准确率大幅提升至 2.0 版本的 90.14%，超越业界知名的付费工具 remove.bg。RMBG-2.0 在超过 15,000 张高分辨率图像上训练，确保准确性和适用性，适用于电子商务、广告、游戏开发等多个领域。

RMBG-2.0 的主要功能

高精度背景移除：RMBG-2.0 准确地从各种类型的图像中分离出前景对象，移除背景。

商业用途支持：适于电子商务、广告、游戏开发等多个领域，支持企业级内容的大规模创建。

云服务器无关架构：在不同的云服务器上运行，具有很好的灵活性和可扩展性。

多模态归因引擎：处理多种类型的图像和数据，提高模型的泛化能力。

数据训练平台：支持大规模数据训练，提升模型性能。

RMBG-2.0 的技术原理

深度学习：RMBG-2.0 基于深度学习技术，特别是卷积神经网络

（CNN），识别和分离图像中的前景和背景。

数据训练：模型在大量标注好的图像数据上进行训练，学习如何区分前景和背景。

多模态归因：用多模态数据（如图像、文本等）提高模型对图像内容的理解，提高背景移除的准确性。

云服务器无关：设计为在不同的云平台和服务器上运行，不依赖于特定的硬件或软件环境。

数据烘焙：基于数据增强和预处理技术，提高模型的鲁棒性和对新场景的适应能力。

如何运行 RMBG-2.0

以下是使用 RMBG-2.0 进行图像背景移除的代码示例：

from PIL import Image import matplotlib.pyplot as plt import torch from torchvision import transforms from transformers import AutoModelForImageSegmentation # 加载模型 model = AutoModelForImageSegmentation.from_pretrained('briaai/RMBG-2.0', trust_remote_code=True) torch.set_float32_matmul_precision(['high', 'highest'][0]) model.to('cuda') model.eval() # 图像预处理 image_size = (1024, 1024) transform_image = transforms.Compose([ transforms.Resize(image_size), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) ]) # 加载输入图像 input_image_path = 'input_image.jpg' image = Image.open(input_image_path) input_images = transform_image(image).unsqueeze(0).to('cuda') # 预测 with torch.no_grad(): preds = model(input_images)[-1].sigmoid().cpu() pred = preds[0].squeeze() pred_pil = transforms.ToPILImage()(pred) mask = pred_pil.resize(image.size) image.putalpha(mask) # 保存结果 image.save("no_bg_image.png")