Mindket

BiRefNet Demo

新上架第 1 版 · 更新于

概览

在浏览器里试用 BiRefNet 图像模型:它们能把图片里的主体和背景分开。来源列出了六个变体,你也可以在自己的电脑上跑一份。

BiRefNet Demo 是一款工具包,属于效率类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • 在 Windows、macOS 或 Linux 上装好 Python 3.12.12
  • pip 工具,用来安装 requirements.txt 里的包
  • 如果在线使用这个 Space,什么都不用装,它直接在浏览器里运行
用在
  • 网页浏览器,打开 Hugging Face 上这个 Space 的页面
  • 装有 Python 3.12.12 的 Windows
  • 装有 Python 3.12.12 的 macOS
  • 装有 Python 3.12.12 的 Linux
先运行
pip install -U huggingface_hub
hf download ZhengPeng7/BiRefNet_demo --repo-type space --local-dir BiRefNet_demo
cd BiRefNet_demo

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

这个 Space 是 BiRefNet 的演示,BiRefNet 是一组图像模型,能把图片里的主体和背景分开。仓库里列出了六个变体,包括高分辨率、抠图、人像和轻量版本。你可以在浏览器里试用,也可以自己跑一份。

适合谁

适合需要把主体从图片里抠出来、又想在动手开发之前先试试模型的人。研究者和开发者可以在同一个地方看到六个变体。

行业谁在用怎么用例子
电商店主把商品从照片背景里抠出来在把商品图加进商品页之前先处理一下
设计设计师为海报或拼贴画抠出主体把一张人像放到新的背景上
研究计算机视觉研究者在自己的图片上试用列出的变体用同一张照片跑人像版和轻量版
软件Python 开发者阅读 app.py,看模型是怎么接进页面的复制这个 Space,再改掉输入

如果你从不需要把主体从图片里抠出来,可以跳过它。

用在哪里

  • 网页浏览器,打开 Hugging Face 上这个 Space 的页面
  • 装有 Python 3.12.12 的 Windows
  • 装有 Python 3.12.12 的 macOS
  • 装有 Python 3.12.12 的 Linux
用途适合谁你得到什么
把主体从照片里抠出来设计师和店主主体和背景被分开的图片
对比各个模型变体研究者一个能在同一张图上试每个模型的演示

如何设置

在线使用什么都不用准备。在自己的电脑上跑,需要准备一点东西。

  • 在 Windows、macOS 或 Linux 上装好 Python 3.12.12
  • pip 工具,用来安装 requirements.txt 里的包
  • 如果在线使用这个 Space,什么都不用装,它直接在浏览器里运行
  1. 安装 Hugging Face hub 包。
  2. 把这个 Space 的文件下载到本地文件夹。
  3. 进入那个文件夹。
  4. 安装指定版本的 Gradio,再安装 requirements.txt 里的包。
  5. 启动应用。
pip install -U huggingface_hub
hf download ZhengPeng7/BiRefNet_demo --repo-type space --local-dir BiRefNet_demo
cd BiRefNet_demo
pip install gradio==5.35.0
pip install -r requirements.txt
python app.py

如何使用

在线使用时,打开这个 Space 的页面,直接在里面操作。在自己的电脑上,就在项目文件夹里运行下面这条命令,再打开 Gradio 显示的页面。仓库里还有一个 app_local.py 文件和一个 examples 文件夹。

python app.py

示例

你打开这个 Space,给它一张人物照片。演示会返回这张照片,人物已经和背景分开。

新手与专家

如果你是新手,先打开这个 Space 的页面,拿一张主体清晰的照片试一次。不用安装任何东西,你就能看到把主体和背景分开是什么样子。

如果你熟悉这个领域:这个演示在同一位作者名下列出了六个检查点,从基础模型到 HR、抠图、人像和轻量形式。线上版本跑在 Hugging Face 的 zero-a10g 硬件上。在家里跑的副本用你自己的机器,来源也没有列出必须具备的硬件。

  1. 打开 Space,或在本地运行 app.py
  2. 给演示一张图片
  3. BiRefNet 模型把主体和背景分开
  4. 你拿回处理后的结果

注意事项

来源对限制说得很少,所以请在自己的图片上检查结果。

  • License: MIT,和这个 Space 的许可证一行写的一致
  • Cost to run: 没有提到,线上版本用的是 Hugging Face 的 zero-a10g 硬件
  • Data it reaches: 你给它的图片。它列出的六个模型都托管在 Hugging Face 上

README 和文件

README

BiRefNet Demo

在浏览器里试用 BiRefNet 图像模型:它们能把图片里的主体和背景分开。来源列出了六个变体,你也可以在自己的电脑上跑一份。

由 ZhengPeng7 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:这个 Space 是 BiRefNet 的演示,BiRefNet 是一组图像模型,能把图片里的主体和背景分开。仓库里列出了六个变体,包括高分辨率、抠图、人像和轻量版本。你可以在浏览器里试用,也可以自己跑一份。

适合谁:适合需要把主体从图片里抠出来、又想在动手开发之前先试试模型的人。研究者和开发者可以在同一个地方看到六个变体。

行业 | 谁在用 | 怎么用 | 例子
电商 | 店主 | 把商品从照片背景里抠出来 | 在把商品图加进商品页之前先处理一下
设计 | 设计师 | 为海报或拼贴画抠出主体 | 把一张人像放到新的背景上
研究 | 计算机视觉研究者 | 在自己的图片上试用列出的变体 | 用同一张照片跑人像版和轻量版
软件 | Python 开发者 | 阅读 app.py,看模型是怎么接进页面的 | 复制这个 Space,再改掉输入

如果你从不需要把主体从图片里抠出来,可以跳过它。

用在哪里:

  • 网页浏览器,打开 Hugging Face 上这个 Space 的页面
  • 装有 Python 3.12.12 的 Windows
  • 装有 Python 3.12.12 的 macOS
  • 装有 Python 3.12.12 的 Linux
用途 | 适合谁 | 你得到什么
把主体从照片里抠出来 | 设计师和店主 | 主体和背景被分开的图片
对比各个模型变体 | 研究者 | 一个能在同一张图上试每个模型的演示

如何设置:在线使用什么都不用准备。在自己的电脑上跑,需要准备一点东西。

  • 在 Windows、macOS 或 Linux 上装好 Python 3.12.12
  • pip 工具,用来安装 requirements.txt 里的包
  • 如果在线使用这个 Space,什么都不用装,它直接在浏览器里运行
  1. 安装 Hugging Face hub 包。
  2. 把这个 Space 的文件下载到本地文件夹。
  3. 进入那个文件夹。
  4. 安装指定版本的 Gradio,再安装 requirements.txt 里的包。
  5. 启动应用。
pip install -U huggingface_hub
hf download ZhengPeng7/BiRefNet_demo --repo-type space --local-dir BiRefNet_demo
cd BiRefNet_demo
pip install gradio==5.35.0
pip install -r requirements.txt
python app.py

如何使用:在线使用时,打开这个 Space 的页面,直接在里面操作。在自己的电脑上,就在项目文件夹里运行下面这条命令,再打开 Gradio 显示的页面。仓库里还有一个 app_local.py 文件和一个 examples 文件夹。

python app.py

示例:你打开这个 Space,给它一张人物照片。演示会返回这张照片,人物已经和背景分开。

新手与专家:如果你是新手,先打开这个 Space 的页面,拿一张主体清晰的照片试一次。不用安装任何东西,你就能看到把主体和背景分开是什么样子。

如果你熟悉这个领域:这个演示在同一位作者名下列出了六个检查点,从基础模型到 HR、抠图、人像和轻量形式。线上版本跑在 Hugging Face 的 zero-a10g 硬件上。在家里跑的副本用你自己的机器,来源也没有列出必须具备的硬件。

打开 Space,或在本地运行 app.py
给演示一张图片
BiRefNet 模型把主体和背景分开
你拿回处理后的结果

注意事项:来源对限制说得很少,所以请在自己的图片上检查结果。

  • License: MIT,和这个 Space 的许可证一行写的一致
  • Cost to run: 没有提到,线上版本用的是 Hugging Face 的 zero-a10g 硬件
  • Data it reaches: 你给它的图片。它列出的六个模型都托管在 Hugging Face 上

Hugging Face 上的数据(2026年11月13日)

  • 点赞:341
  • 构建方式:gradio
  • 许可证:mit

链接

  • Space:https://huggingface.co/spaces/ZhengPeng7/BiRefNet_demo
  • 文件:https://huggingface.co/spaces/ZhengPeng7/BiRefNet_demo/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
BiRefNet Demo 本页341gradiomit
MusicGen共有 gradio5,116gradiocc-by-nc-4.0
Kokoro TTS共有 gradio3,556gradioapache-2.0
Background Removal共有 gradio2,988gradiomit
Omni Image Editor共有 gradio2,922gradiomit
Diffusers Image Outpaint共有 gradio2,565gradioapache-2.0
数据为 Mindket 在 2026-11-12 读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架

效率类的相似商品

查看效率类的全部商品

ACE-Step 1.5 XL SFT

ACE-Step · 工具包

用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。

新上架

Guizang PPT Skill

op7418 · 技能

能生成单文件 HTML 幻灯片、幻灯片配图和多平台封面的技能,有两套视觉风格,还带演讲者模式用于排练。适合使用 Claude Code 或 Codex 的演讲者。

新上架29.8k

Frontend Slides

zarazhangrui · 技能

从零开始或从 PowerPoint 文件生成 HTML 演示文稿,并展示几种视觉风格预览供你挑选,适合不懂 CSS 和 JavaScript、又想做网页幻灯片的人。

新上架32.3k