Feyn 团队推出全新 SOTA 背景移除模型 FeyNoBg，开源配套工具库

近日，Feyn 团队正式发布了名为 FeyNoBg 的新一代背景移除模型，并在开源社区同步公开了配套的训练与推理库 NoBg，为开发者提供更轻便、高效的抠图解决方案。

背景移除算法的核心挑战在于准确识别前景的同时，精细处理边缘细节，例如毛发、半透明薄纱等复杂纹理。Feyn 团队以开源的 BiRefNet 架构为基础进行深度优化，将关键特征提取阶段的模块从 18 块扩展至 24 块，模型参数量从 222M 略增至 263M。这一调整在完整保留原有预训练权重的基础上，增强了模型的学习与信息保持能力。

在训练策略上，团队突破了单一数据集的局限。他们收集并清洗了涵盖复杂场景、高分辨率图像、伪装物体及动漫等类型的 10 个数据集，共计 2.61 万张图像用于多源混合训练。通过严谨的数据配比调整和统一的二值掩码转换，模型在多项基准测试中表现突出。数据显示，FeyNoBg 在八大主流基准测试中的四个上取得了最佳 S-measure 评分，在其余测试中也与榜首成绩接近。

为便于开发者实际应用，团队一并开源了底层 Python 库 NoBg。实测表明，在批处理模式下，该库相较于原始 BiRefNet 实现了更高的吞吐量、更低的延迟以及更小的显存占用。目前，用户可通过 Hugging Face 获取 FeyNoBg 模型，或通过 GitHub 深入了解项目细节。