RMBG-2.0 : modèle open-source de suppression d'arrière-plan d'images 123

RMBG-2.0 est un modèle open source de suppression d'arrière-plan d'images développé par BRIA ai. Il utilise des réseaux de neurones convolutifs (CNN) pour réaliser une séparation haute précision entre le premier plan et l'arrière-plan. Le modèle RMBG-2.0 a été entraîné sur un ensemble de données méticuleusement sélectionnées, comprenant : des images générales, du e-commerce, des jeux vidéo et du contenu publicitaire, ce qui le rend adapté aux cas d'usage commerciaux nécessitant la création de contenu à grande échelle pour les entreprises. Sa précision, son efficacité et sa polyvalence sont actuellement comparables à celles des meilleures modèles Source Available.

Principales fonctionnalités de RMBG-2.0 :

• Suppression d'arrière-plan haute précision : capable de séparer avec précision les objets au premier plan à partir de divers types d'images.

• Prise en charge des usages commerciaux : convient aux domaines du e-commerce, de la conception publicitaire et du développement de jeux vidéo, et prend en charge la création de contenu à l'échelle de l'entreprise.

• Architecture indépendante du cloud server : flexible et suffisamment versatile, peut fonctionner sur différentes plateformes cloud et serveurs, facilitant ainsi la mise à l'échelle.

• Moteur d'attribution multimodale : en traitant plusieurs types de données (comme les images et le texte), il améliore la capacité de généralisation du modèle et augmente la précision de la suppression d'arrière-plan.

• Plateforme d'entraînement de données : prend en charge l'entraînement de données à grande échelle, améliorant continuellement les performances du modèle.

Principes techniques et caractéristiques de RMBG-2.0 :

• Basé sur l'apprentissage profond : repose sur l'apprentissage profond, en particulier les CNN, pour identifier et séparer le premier plan et l'arrière-plan.

• Entraînement sur les données : entraîné sur un grand volume de données annotées, apprenant à distinguer précisément le premier plan de l'arrière-plan.

• Traitement multimodal : exploite les données multimodales pour améliorer la capacité du modèle à comprendre le contenu des images.

• Indépendance vis-à-vis du cloud : garantit que le déploiement du modèle ne dépend pas d'un environnement cloud spécifique, augmentant ainsi la flexibilité.

• Préparation des données : grâce à l'augmentation et au prétraitement des données, améliore l'adaptabilité et la robustesse du modèle à de nouveaux scénarios.

Comment utiliser RMBG-2.0 ?

L'utilisation de ce modèle ne nécessite qu'un simple appel à une bibliothèque Python. L'utilisateur peut facilement supprimer l'arrière-plan d'une image, par exemple, en chargeant le modèle via la bibliothèque de Hugging Face et en effectuant un prétraitement de l'image pour obtenir la suppression de l'arrière-plan. L'utilisateur doit installer les bibliothèques dépendantes telles que torch, torchvision, pillow, kornia et transformers.

Licence et applications de RMBG-2.0 :

RMBG-2.0 est disponible sous licence Creative Commons pour un usage non commercial. Les applications commerciales nécessitent la signature d'un accord avec BRIA.

Par rapport à la version précédente, la précision de RMBG-2.0 a considérablement augmenté, passant de 73,26 % à 90,14 %, surpassant certains outils commerciaux bien connus, tels que remove.bg.