Sadik BG Remover
локальное удаление фона с GUI, CLI и API
2 min readupdated
Sadik BG Remover от SadikNawazAI — это готовое к запуску приложение для вырезания объектов с изображений целиком на вашем компьютере без отправки файлов в облако. Внутри уже лежат готовые веса моделей сегментации ISNet General Use (быстрая по умолчанию) и BiRefNet General Lite (более аккуратные края), работающие через ONNX Runtime (движок для запуска нейросетей на CPU и GPU) поверх библиотеки rembg. На выходе вы получаете PNG с прозрачным фоном или картинку на заданном однотонном/пользовательском фоне. В отличие от простого набора весов или языковых моделей в Ollama, инструмент сразу предлагает три интерфейса под любые сценарии — от разовой обработки мышкой до встраивания в пайплайны.
Ключевые особенности
- Три режима работы из коробки: десктопное приложение с drag-and-drop, утилита командной строки (CLI) с пакетной рекурсивной обработкой и локальный HTTP API на FastAPI (до 100 файлов в ZIP за запрос).
- Встроенные ONNX-веса:
isnet-general-use.onnx(170 МБ) для высокой скорости иbirefnet-general-lite.onnx(214 МБ) для сложных краёв; дополнительно можно докачать полнуюbirefnet-general(928 МБ) иu2net(168 МБ). - Тонкая настройка вырезки: поддержка alpha matting для мягкой обработки волос и шерсти, а также замена фона на прозрачный, белый, чёрный, произвольный HEX-цвет или другую картинку.
- Связка с Ollama и LM Studio: в репозитории есть
Modelfileи системный промпт для VLM (например, Moondream2 или Qwen2.5-VL-3B), чтобы модель описывала объект и края, а вырезание выполнял сам пакет.
Что можно сделать
- Подготовить карточки товаров: пакетно прогнать папку со снимками через CLI с параметром
--bg "#ffffff"и получить серию фото на чистом белом фоне. - Вырезать портреты и животных: переключиться на
BiRefNet General Liteи включить--alpha-matting, чтобы аккуратнее отделить волосы или шерсть. - Встроить в свой скрипт или локальный сервис: поднять сервер командой
sadik-bg serve --port 8765и отправлять изображения на/removeили/remove-batchпо HTTP.
Пример
from PIL import Image
from sadik_bg_remover import remove_file, remove_image
remove_file("photo.jpg", "cutout.png", model="isnet-general-use")
with Image.open("photo.jpg") as img:
cutout = remove_image(img, alpha_matting=True)
cutout.save("cutout.png")Подробнее
Скорость на CPU Intel Core i5-6500T (4 ядра, без GPU, фото 800×792 и 738×492): ISNet обрабатывает кадр за ~1,8–2,2 с после загрузки (~4–6 с старт), BiRefNet General Lite — за ~14,5–20,6 с (~17 с инициализация).Железо: по умолчанию работает на CPU через ONNX Runtime; при необходимости можно поставить сборку с поддержкой CUDA или ROCm вручную.
Ограничения: очень тонкие волосы, шерсть, стекло, дым и смаз в движении могут давать неидеальные границы; это инструмент сегментации, он не дорисовывает и не редактирует содержимое.
Лицензии: код приложения — MIT, веса ISNet — Apache-2.0, веса BiRefNet Lite — MIT.










Comments