RMBG-3.0:Bria による生成モデルベースの4ステップ切り抜き

Bria が 11 月 10 日に公開した第3世代の切り抜きモデルで、初めて生成モデルを基盤としています。8B パラメータの Fibo 2.0(フローマッチング DiT、Qwen3-VL-4B エンコーダ、FLUX.2 VAE)の編集用重みを初期値とし、「写真を入力し、固定の指示に従ってアルファマスクを描画する」ようファインチューニングした後、4 ステップに蒸留し、CFG は使用しません。出力は単チャネルの 8 ビットマスクで、白は被写体、黒は背景、グレーは髪やガラスなどの半透明部分を示します。重みは CC BY-NC 4.0 で、非商用利用のみ可能です。

原題:briaai/RMBG-3.0

Bria が 11 月 10 日に公開した第3世代の切り抜きモデルで、初めて生成モデルを基盤としています。8B パラメータの Fibo 2.0(フローマッチング DiT、Qwen3-VL-4B エンコーダ、FLUX.2 VAE)の編集用重みを初期値とし、「写真を入力し、固定の指示に従ってアルファマスクを描画する」ようファインチューニングした後、4 ステップに蒸留し、CFG は使用しません。出力は単チャネルの 8 ビットマスクで、白は被写体、黒は背景、グレーは髪やガラスなどの半透明部分を示します。重みは CC BY-NC 4.0 で、非商用利用のみ可能です。

なぜ重要か 公式によれば、画像の内容に基づいて被写体を判断するため、集合写真の各人物、モーションブラーのかかった手足、透かし模様のあるグリッドなどもよりきれいに処理され、EC向けの商品画像に最適化されています

上昇スコア 60 · いいね 60 · ダウンロード数 0

理由

  • 公式は、234 枚の難しい画像において Photoroom、remove.bg、Ideogram、BiRefNet、RMBG-2.0 とブラインド評価および視覚モデルによる比較を実施しました。平均順位は 1.51 で1位、185 枚で最高または同率最高でした。一対一の選好率は 55.1%(Photoroom に対して)から 75.9%(BiRefNet に対して)の範囲です
  • 公式は、モーションブラー、複数被写体、透かしグリッド、影や反射、毛髪などの 7 種類の難しい画像で1位であると主張しています。48 枚のオンラインショップの商品画像における平均順位は 1.15 で、商品上のテキスト、ロゴ、バッジは切り抜かれずに保持されます
  • モデルカードには弱点も明記されています。ガラス、薄い布、煙は不透明として切り抜かれやすく、雑多な背景や低コントラストのシーンでは remove.bg や RMBG-2.0 より劣ります。234 枚中 5 枚で最下位でした

使い方

  • Diffusers >= 0.42.0:このリポジトリから transformer サブディレクトリを読み込み、その他の部分(テキストエンコーダ、VAE、フォント)は briaai/Fibo-2.0-edit-turbo を使用して、BriaFibo2Pipeline を構成します
  • モデルカードに記載されている固定の英語プロンプト(グレースケールのアルファマスク生成を要求するもの)を使用する必要があります。num_inference_steps=4、guidance_scale=1.0 と設定します。プロンプトを変更すると、マスクではなくカラー画像が出力されます
  • 出力をグレースケールに変換し、元の画像サイズにスケールバックした後、アルファチャネルとして元の画像に貼り付けます。バイナリマスクが必要な場合は、さらに閾値処理を行います。ComfyUI には Bria 公式ノードがありますが、有料 API を経由します

リスク

  • 重みは非商用利用のみ(CC BY-NC 4.0)です。商用利用には Bria と別途契約を結ぶか、有料 API に切り替える必要があります。ダウンロードには Hugging Face へのログインとフォームへの記入が必要で、Fibo-2.0-edit-turbo も事前に利用規約への同意が必要です
  • 8B パラメータあり、公式は L40S でパイプライン全体のピーク VRAM が 28.5 GiB、1枚あたり約 6 秒と測定しています。32 GB 以上の GPU を推奨します。小規模な GPU や大量処理の場合、公式は依然として RMBG-2.0 の使用を推奨しています
  • 順位は公式が独自に実施したブラインド評価と視覚モデルによる比較に基づいています。本項目は実行されていません

開く

Hugging Face Trending

最新の AI ニュースを見る