Feyn团队开源背景移除模型FeyNoBg

Feyn 团队近日正式推出了一款全新的开源背景移除模型——FeyNoBg，该模型在多项权威基准测试中达到了当前顶尖（SOTA）水平，为图像分割领域带来了新的突破。

优秀的背景移除算法不仅需要准确识别前景对象，还要完美处理边缘细节，例如头发丝、半透明薄纱等复杂区域。为了实现这一目标，Feyn 团队以开源模型 BiRefNet 的架构为基础进行了深度优化。他们将关键特征提取阶段的模块数量从原来的18块扩展至24块，使模型参数量从222M略增至263M。这一改动在完整保留原有预训练权重的同时，赋予了模型更强的学习与信息保持能力，从而显著提升了对边缘细节的捕捉精度。

在训练策略上，团队突破了单一数据集带来的局限性。他们收集并清洗了涵盖复杂场景、高分辨率图像、伪装物体以及动漫等在内的10个数据集，共计2.61万张图像，进行多源混合训练。经过严谨的数据配比调整和统一的二值掩码转换，该模型在多项权威基准测试中表现亮眼。数据显示，FeyNoBg 在 DIS、HRSOD、COD 以及动漫数据集上均取得了领先的分割精度，尤其是在处理半透明物体和精细毛发边缘时，效果远超此前的主流方法。

为了方便开发者快速落地应用，Feyn 团队同步开源了底层的 Python 库，并提供了简洁的 API 接口。开发者只需几行代码即可将 FeyNoBg 集成到自己的项目中，无论是电商图片处理、视频会议背景替换，还是创意设计工具，都能从中受益。该模型已在 GitHub 上公开，社区可以自由下载、修改和商用。

此次 FeyNoBg 的发布，不仅展示了 Feyn 团队在图像分割领域的深厚技术积累，也为开源社区贡献了一个高质量、易部署的背景移除工具。随着更多开发者加入优化和应用，该模型有望在图像编辑、虚拟现实、在线教育等多个场景中发挥重要作用。