BiRefNet 是一个专注于 高分辨率二值图像分割（Dichotomous Image Segmentation, DIS） 的开源深度学习模型。它在背景移除、前景提取、掩码生成等任务中表现出卓越性能，广泛应用于：

• 图像编辑与合成

• 视觉特效处理

• 自动抠图（无需 Trimap）

• 数字内容创作（如 Blender 插件、AI 绘画工具集成）

🚀 核心特性

✅ 1. 高分辨率处理能力

• 支持输入分辨率高达 2048×2048，并具备动态分辨率适配能力（256×256 至 2304×2304）

• 提供专用模型变体：

• BiRefNet_HR — 专为高分辨率图像优化

• BiRefNet_dynamic — 动态适应不同输入尺寸，兼顾精度与效率

🏆 2. State-of-the-Art 性能

在多个主流图像分割基准上达到领先水平：

相比同类方法，在 精度（mIoU, Fβ） 与 推理效率 上均具显著优势。

🧱 多版本模型支持

为适应不同应用场景，项目提供多种模型变体：

⚙️ 多样化部署与推理支持

支持框架与格式：

• PyTorch — 原生训练与推理

• ONNX — 跨平台兼容

• TensorRT — 极致加速（推理低至 0.11 秒）

推理工具与演示：

• ✅ Colab 在线演示脚本 — 支持：

• 多图批量推理

• 框引导分割（Bounding Box Guided Segmentation）

• 模型性能评估（mIoU, Fβ 等指标）

• ✅ 在线 API 服务：

• fal.ai— 快速云端部署

• Hugging Face Endpoints — 一键托管与调用

🌐 资源与生态扩展

🔗 预训练模型下载

模型权重可通过以下渠道获取：

• Google Drive

• GitHub Releases

• Hugging Face Model Hub（huggingface.co/ZhengPeng7/BiRefNet）

涵盖任务类型：DIS、HRSOD、COD 等。

🧩 第三方工具集成

BiRefNet 已被广泛集成至主流 AI 创作工具：

🧑‍💻 多语言实现支持

除 PyTorch 外，社区已提供：

• Rust 实现（基于 Burn 框架）— 高性能、内存安全

• C++ 推理引擎（GGUF 格式）— 适合嵌入式/工业部署

📈 项目维护与未来规划（2025）

• ✅ 持续迭代更新：优化推理速度、提升高分辨率支持

• ✅ 社区活跃：GitHub Issues / Discussions 高响应率

• 🚧 Roadmap：

• 发布支持 4K 分辨率的超高清模型

• GPU 加速前景提取模块

• 支持视频流实时分割（Video DIS）

整合包说明

1 支持50系显卡，最低8G英伟达显卡就可以愉快玩耍了

2 作为第一个版本，未修改任何东西。看欢迎情况再决定是否二次开发

3 个人觉得这个包应该是最强的抠图工具了。集合了15个AI抠图模型

点击查看

下载地址

迅雷网盘 夸克网盘 123 网盘

下载有疑问看下这里