/ Модель

Характеристики

Лицензия
MIT
Базовая модель
BiRefNet
Опубликована
20 июл 2025

BiRefNet-GGUF

Сегментация изображенийИзображение → mask3 профессии

Конверсия BiRefNet в GGUF F16 для локальной сегментации изображений, выделения основного объекта и удаления фона.

1 602скачиваний за 30 дней17лайковвеса обновлены12 авг 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Acly публикует конвертированные в формат GGUF F16 веса BiRefNet для лёгкого локального инференса на пользовательском оборудовании через vision.cpp. Модель выполняет дихотомическую сегментацию изображений: выделяет основной объект и строит маску, которую можно использовать для удаления фона или создания композитного изображения.

Для запуска приведён пример с vision.cpp: на вход подаётся изображение, на выходе создаётся маска и, при необходимости, композит. Репозиторий основан на ZhengPeng7/BiRefNet; лицензия — MIT. Описание не сообщает отдельных ограничений точности или перечня поддерживаемых типов изображений.

Сценарии применения

  • удаление фона с фотографии
  • создание маски основного объекта на изображении
  • подготовка композита с отделённым объектом
  • локальная сегментация изображений на пользовательском оборудовании

Ограничения

Модель предназначена для дихотомической сегментации и выделения основного объекта; описание не подтверждает поддержку сегментации нескольких классов или иных задач компьютерного зрения.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GGUF models for BiRefNet

BiRefNet is a model for dichotomous image segmentation (background removal). The weights in this repository are converted for lightweight inference on consumer hardware with vision.cpp.

Run

Example inference with vision.cpp:

CLI

vision-cli birefnet -m BiRefNet-F16.gguf -i input.png -o mask.png --composite comp.png

C++

image_data image      = image_load("input.png");
backend_device device = backend_init();
birefnet_model model  = birefnet_load_model("BiRefNet-F16.gguf", device);
image_data mask       = birefnet_compute(model, image);
image_save(mask, "mask.png");

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
4f6018e

0 моделей