Характеристики

Лицензия: MIT
Архитектура: swin · dense
Библиотека: transformers.js
Опубликована: 25 сен 2026

Ссылки

Hugging Face

pim-rmbg-birefnet-lite

drodriguezgdu

Сегментация изображенийИзображение → mask

Облегчённая модель BiRefNet_lite выделяет товары на изображениях и формирует маску для удаления фона в браузере.

24скачиваний за 30 дней0лайковвеса обновлены25 сен 2026

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

Это облегчённая модель BiRefNet_lite для сегментации изображений и удаления фона с фотографий товаров в браузерных системах управления информацией о товарах (PIM). Модель основана на архитектуре Swin и поставляется в формате ONNX с графом, переписанным для запуска через WebGPU; веса совпадают с jiabins0303/birefnet-lite-1024-webgpu и onnx-community/BiRefNet_lite-ONNX. Исходная модель — ZhengPeng7/BiRefNet_lite.

Сценарии применения

удаление фона с фотографий товаров
создание альфа-маски для изображения товара
подготовка товарных изображений для каталога PIM

Ограничения

Модель принимает изображения размером 1024×1024 с нормализацией ImageNet и требует WebGPU с поддержкой не менее восьми storage buffers на стадию шейдера.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

pim-rmbg-birefnet-lite

Copia fijada del modelo BiRefNet_lite (ONNX, fp16 con entrada/salida float32, ~115 MB) para quitar el fondo de imágenes de producto en el navegador (PIM).

Origen: jiabins0303/birefnet-lite-1024-webgpu — mismos pesos que onnx-community/BiRefNet_lite-ONNX, grafo reescrito para correr en WebGPU (el export original excede los límites de storage buffers)
Modelo original: ZhengPeng7/BiRefNet_lite (MIT)
Entrada: 1024×1024 (mean/std ImageNet) · Salida: logits 1024×1024 → sigmoide → máscara que se aplica como alfa sobre la imagen original (no redibuja).
Requiere WebGPU (maxStorageBuffersPerShaderStage >= 8, el mínimo del estándar).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers.js

Нельзя запустить

Модель выложена для браузера (ONNX / transformers.js).

Ревизия весов: c73cf30