Eraser
компактная модель для удаления фона на CPU
2 мин чтенияобновлено
Eraser от автора JvasquezT — лёгкая модель сегментации, которая вырезает главный объект на фото и возвращает альфа-маску (маску прозрачности). Она обучена методом дистилляции (переноса знаний от большой модели к маленькой) на базе мощной BiRefNet, но весит в 56 раз меньше: всего 3,9 млн параметров против ~220 млн у оригинала. Благодаря скромному размеру (от 4,1 МБ в версии int8) и скорости обработки 50–100 мс на обычном CPU модель подходит для запуска прямо в браузере, на мобильных устройствах и в быстрых пайплайнах без GPU.
Ключевые особенности
- Сверхлёгкий вес: доступна в форматах ONNX (fp32 — 15,7 МБ, fp16 — 7,9 МБ, квантованный int8 — 4,1 МБ) и PyTorch (15,7 МБ).
- Быстрая работа на CPU: версия fp32 обрабатывает кадр 512×512 за ~93 мс, а int8 — за ~50 мс на десктопном процессоре.
- Высокое сохранение качества на портретах: на датасетах P3M-500 и AIM-500 удерживает 93–98% точности исходной BiRefNet.
- Простая архитектура: энкодер ResNet18 с пирамидальным пулингом, U-Net декодером и модулем уточнения границ (в int8 слои уточнения краёв оставлены в fp32).
Что можно сделать
- Вырезать товары для каталогов: модель специально дообучалась на 60 тысячах предметных фото (Amazon Berkeley Objects), поэтому отлично отделяет карточки товаров от фона.
- Запустить в браузере или мобильном приложении: благодаря ONNX и весу 4,1 МБ в int8 удаление фона можно перенести на сторону клиента без затрат на серверные видеокарты.
- Встроить в пакетную обработку фото: быстрый инференс через ONNX Runtime позволяет массово убирать фон с портретов и обычных снимков на CPU.
Пример
import numpy as np, onnxruntime as ort
from PIL import Image
sess = ort.InferenceSession("onnx/model.onnx", providers=["CPUExecutionProvider"])
img = Image.open("photo.jpg").convert("RGB")
w, h = img.size
x = np.asarray(img.resize((512, 512), Image.BILINEAR), dtype=np.float32).transpose(2, 0, 1)[None] / 255
alpha = sess.run(None, {"image": x})[0][0, 0]Подробнее
Бенчмарки (удержание качества относительно BiRefNet): P3M-500 (портреты) — S-measure 0.959 (97,7%), IoU 0.964 (97,1%); AIM-500 — IoU 0.899 (93,1%); сложные тонкие структуры DIS5K — IoU 0.518 (61,6%).Вход фиксированный: RGB-изображение 512×512 в диапазоне [0, 1] без внешней нормализации; динамический размер батча.
Ограничения: хуже справляется со сложным захламлённым фоном, тонкими волосами, проводами и прозрачными объектами; растягивает картинку в квадрат 512×512 без сохранения пропорций.
Лицензия: CC BY-NC 4.0 (только некоммерческое использование из-за датасета ABO).










Комментарии