BiRefNet

BiRefNet

在高分辨率下把图像分成主体和背景，来自 2024 年一个二分图像分割研究项目。适合开发者、图像编辑人员和计算机视觉研究人员。

由 ZhengPeng7 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：BiRefNet 是一个图像分割模型，能在高分辨率下把画面里的主体和其余部分分开。这个仓库是一篇 2024 年论文的官方实现，该论文用双边参考来做二分分割。它有 221M 参数。

适合谁：适合需要从图像得到干净主体掩码的开发者和研究人员。页面还指向一个 GitHub 仓库，里面有代码、文档和模型库。

行业 | 谁在用 | 怎么用 | 例子
计算机视觉 | 研究人员 | 研究高分辨率二分分割 | 在项目的示例图像上运行模型并对比掩码
图像编辑 | 编辑和工具开发者 | 把主体从背景中抠出来 | 做一个功能，把照片里的主体单独分出来
软件 | 应用开发者 | 给应用加上主体掩码 | 通过 transformers 加载模型，并对用户上传的图像调用它
机器学习 | 从业者 | 评估或微调分割模型 | 使用模型卡链接的评估笔记本

如果你需要给场景里的很多物体类别打标签，可以跳过它。这个模型做的是主体与背景的二分。

用在哪里：

• Windows、macOS 和 Linux 上的 Python，通过 transformers 库
• 项目在 GitHub 上的代码，可以搭配 Hugging Face 上的权重使用
• 笔记本，因为模型卡链接了单张图像推理和评估笔记本

用例 | 适合谁 | 得到什么
主体抠图 | 编辑人员 | 一张把主体与背景分开的掩码
研究对比 | 研究人员 | 二分分割的一个参考模型
应用功能 | 开发者 | 在你自己的代码里由图像生成的掩码

如何设置：你需要 Python 和项目列出的软件包。

• Windows、macOS 或 Linux 上的 Python
• 项目 GitHub 仓库里 requirements 文件所列的软件包
• transformers 库，用于最简单的加载方式

1. 如果还没有 Python，先安装它。
2. 安装项目 requirements 文件里列出的软件包。
3. 用下面两种方式之一加载模型。

pip install -U huggingface_hub
hf download ZhengPeng7/BiRefNet

如何使用：最简单的方式是使用托管在 Hugging Face 上的代码和权重，通过 transformers 加载。模型卡提醒，托管的代码可能落后于最新版本。

# Load BiRefNet with weights
from transformers import AutoModelForImageSegmentation
birefnet = AutoModelForImageSegmentation.from_pretrained('ZhengPeng7/BiRefNet', trust_remote_code=True)

另一种方式是从 GitHub 取最新代码，从 Hugging Face 取权重。你先克隆仓库，然后像下面这样加载。

# Use codes locally
from models.birefnet import BiRefNet

# Load weights from Hugging Face Models
birefnet = BiRefNet.from_pretrained('ZhengPeng7/BiRefNet')

示例：你用第一段代码加载模型，然后给它一张放在杂乱桌面上的商品照片。它返回一张掩码，把商品标为主体，其余标为背景。

新手与专家：分割就是逐像素判断什么属于主体。第一步很小：用 transformers 那段代码加载模型，在一张清晰的照片上试试。

这个模型来自用双边参考做高分辨率二分图像分割的研究。权重在 F16 下约 441 MB，参数量 221M，单块 GPU 或耐心一点的 CPU 都够用。模型卡提供两条加载路径，在托管代码的方便与始终使用 GitHub 最新代码之间取舍。

安装依赖
从 Hugging Face 加载模型
传入一张图像
得到主体和背景的掩码

注意事项：

• 通过 transformers 加载会用到 trust_remote_code，它会运行随模型托管的代码。
• 模型卡还列出了第三种方式：用 GitHub 的代码配合本地存放的权重。
• 页面说 Hugging Face 上的代码可能落后于最新版本。
• License: MIT。
• Cost to run: 未提及。
• Data it reaches: 你给它的图像，以及从 Hugging Face 和 GitHub 下载的文件。
• Not for: 模型卡没有列出限制。

Hugging Face 上的数据（2026年11月13日）

• 任务：image segmentation
• 框架：birefnet
• 参数量：221M
• Weights: about 441 MB in F16; about 110 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：1,005,130
• 点赞：675
• 许可证：mit
• Quantized versions: 10
• Fine-tunes: 7
• 标签：birefnet, safetensors, image-segmentation, background-removal, mask-generation, pytorch_model_hub_mixin, model_hub_mixin, transformers

链接

• 模型：https://huggingface.co/ZhengPeng7/BiRefNet
• 文件：https://huggingface.co/ZhengPeng7/BiRefNet/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download ZhengPeng7/BiRefNet

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。