ComfyUI，BEN，InSpyreNet，BiRefNet-v2.0，RMBG-v2.0 抠图比武打擂台，谁强谁弱拉出来遛遛就知道了

已于 2024-11-21 19:44:06 修改
阅读量3k 收藏 29
点赞数 26
文章标签： 学习 stable diffusion 人工智能
于 2024-11-21 19:42:52 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/haikun/article/details/143953159
版权

在之前的文章介绍了几款抠图模型在ComfyUI中的使用：

今天再为大家介绍一款抠图模型：BEN，同时综合比较前面几款：InSpyreNet、BiRefNet2、RMBG2.0，看看怎么选择。

BEN 介绍

BEN - 背景擦除网络。

BEN 是一种深度学习模型，旨在自动去除图像中的背景，生成蒙版和前景图像。

image.png

模型地址： https://huggingface.co/PramaLLC/BEN

ComfyUI BEN 插件安装

目前开源的BEN Comfyui实现有如下插件：

  • • https://github.com/chflame163/ComfyUI_LayerStyle 推荐，集成了BEN、BiRefNet2.0、InspyreNet、RMBG2.0。但是安装有些困难。
  • • https://github.com/lldacing/ComfyUI_BEN_ll 插件简单，支持BEN，本文使用该插件以及LayerStyle
  • • https://github.com/DoctorDiffusion/ComfyUI-BEN/ 插件简单，支持BEN

对于chflame163/ComfyUI_LayerStyle 插件的安装，参考官方中文Github，上面提供了详细的安装方式和常见错误解决方法。

https://github.com/chflame163/ComfyUI_LayerStyle/blob/main/README_CN.MD#%E5%AE%89%E8%A3%85%E6%96%B9%E6%B3%95

这里不再赘述。

lldacing/ComfyUI_BEN_ll 插件的安装，该插件还未收录到Manager，需要通过Git地址安装。

# 安装插件
cd comfyui/custom_nodes
git clone https://github.com/lldacing/ComfyUI_Ben_ll.git
cd ComfyUI_Ben_ll
# 安装依赖
pip install -r requirements.txt
# 重启 ComfyUI

模型下载

国外： https://huggingface.co/PramaLLC/BEN/resolve/main/BEN_Base.pth?download=true

国内： https://hf-mirror.com/PramaLLC/BEN/resolve/main/BEN_Base.pth?download=true

下载后放到：ComfyUI/models/rembg/ben/ 目录，为了让LayerStyle 插件和该插件共享相同的BEN模型，需要如下命令：

cd `ComfyUI/models
# 假设 BEN 模型存放在ComfyUI/models/rembg/ben/ 目录内

mklink /d BEN ".\rembg\ben"

BEN 工作流

image.png

上图用了LayerStyle 中的Ben Ultra 节点和ComfyUI-ben-ll 节点。大家可以二选一。

BEN，InSpyreNet，BiRefNet2，RMGB2.0 抠图比拼

对比工作流

image.png

如果提示OOM，请再次运行即可。

对比效果

  1. 1. 人物1-对比效果

comfyui_01500.png

就本测试图而言：对于头发丝的把控，RMBG2.0,BiRefNet2.0,BEN 效果都很好，而反观InSpyReNet 效果稍差一些。 对于主体而言：BiRefNet2.0,InSpyReNet则侧重人物，抠图只抠出了人物，没有椅子。而RMBG2.0和BEN更侧重前景，包括了人物和椅子。

  1. 1. 人物2-对比效果

comfyui_01502.png

就本测试图而言：效果最好的还是BiRefNet2.0，RMBG2.0，InSpyReNet紧随其后，BEN稍差。

  1. 1. 背景前景相似-对比效果

comfyui_01501.png

就本测试图而言：对于准确性来说，BiRefNet2.0当之无愧，BEN，InSpyReNet紧随其手，RMBG2.0稍差。

  1. 1. 人物3，复杂-对比效果

comfyui_01503.png

效果不相上下。

  1. 1. 人物4，不同主体-对比效果

comfyui_01504.png

就本测试图而言：BiRefNet2.0和InSpyReNet 更侧重人物本身，效果最好，BEN 更侧重前景，BiRefNet2.0 把桌子给劈成了两半。

总结

就笔者感官而言：

  • • 就人物抠图推荐用：BiRefNet2.0和InSpyReNet，对于前景抠图推荐用BEN。
  • • 就准确性来说：推荐BiRefNet2.0，当然速度也是最慢的。
  • • 对于速度快，准确度也还差不多的，推荐用RMBG2.0和BEN。

完

请选择你们常用的抠图工具吧。

评论区说出你选择它的理由吧。

所需工作流请关注公主好：DevOpsAigc云时代

发送指令：抠图对比工作流

自助获取。

也可以通过哩咘获取此工作流：

https://www.liblib.art/modelinfo/639d6200cb3f41579aca694301fbd0d1

背景移除，主体物抠图模型 RMBG-2.0：最佳一键去背景模型
q742971636的博客
11-14 871
准确性：高精度地分离前景和背景。效率：优化以实现快速推理时间。多功能性：在各种图像类别（包括通用股票图片、电子商务、游戏和广告内容）中表现良好。内容安全：确保生成的内容安全且适当。合法授权的数据集：训练数据完全合法，避免法律问题。偏见缓解：训练数据中平衡了性别、种族和残疾人的代表性。
【stablediffusion】ComfyUI RMBG2.0 移除背景重磅更新，抠图更准确，速度更快
2401_85725028的博客
11-20 1326
今天，我们将向您介绍一款令人兴奋的AI工具更新——ComfyUI RMBG2.0。这是一款基于Stable Diffusion技术的强大抠图工具，旨在为您提供快速、高效的图像处理体验。无论您是AI绘画的新手还是专业人士，这个工具都能为您带来极大的便利。ComfyUI RMBG2.0的更新，使得用户可以轻松地使用这一工具进行图像的抠图处理。这个工具利用了Stable Diffusion的最新算法，能够实现快速、准确的抠图效果，大大提高了工作效率。
ComfyUI | 最新超强抠图神器，超越BiRefNet，本地部署无压力！
小王的储物间
07-26 2069
当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。图中红箭头标注的猫咪的胡须位置，同样是 Inspyrenet 的效果更好，过渡也是更完美，BiRefNet 不仅中间的胡须断了，而且箭头标注位置的抠图也是稍显生硬。AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。
InSPyReNet 安装与配置指南
最新发布
gitblog_00521的博客
04-11 730
InSPyReNet 安装与配置指南 InSPyReNet Official PyTorch implementation of Revisiting Image Pyramid Structure for High Resolution Salient Object Detection (ACCV 2022) ...
【ComfyUI】目前最好用的4款图像背景扣除插件对比
zzz777qqq的博客
01-16 1211
今天来整理下目前最好用的4款图像背景抠图插件的对比。
RMBG-2.0：开源背景去除模型性能大幅提升
weixin_51674085的博客
11-14 531
是 BRIA AI 推出的全新开源 SOTA 背景去除模型，其性能比肩知名付费背景去除工具 remove.bg。2.0 的性能提升非常大，从 1.4 版本的 73.26% 提升到了 90.14%。我试了下，效果非常不错！
【stablediffusion】最强最快的抠图和扣视频工具BiRefNet，在ComfyUI中的使用
2401_85688943的博客
11-19 1421
BiRefNet 是目前最好的开源可商用背景抠除模型，经过测试：ComfyUI中2s极速出图，而且超级精准，但是模型很小才八百多兆。❝官网：https://www.birefnet.top/在线Demo：https://www.birefnet.top/segment原图：抠图工具对比：原图：抠图工具对比：原图：效果确实厉害，如果能安装到ComfyUI里，配合其他工作流使用就更完美了。
超乎你想象！ComfyUI-RMBG2.0带来全新AI抠图神器，支持多款高端模型，一键搞定专业效果！
m0_71745754的博客
02-11 983
大家好，今天来给大家介绍一个最新开源，最高支持2048x2048分辨率的高清抠图技术–BiRefNet_HR。这个技术一经发布，得到程序猿们的积极响应，纷纷推出了相关的Comfyui节点插件。今天，老金就给大家介绍其中的一个提供BiRefNet_HR技术支持的Comfyui节点–ComfyUI-RMBG。嗯，之前老金就给大家介绍过这个节点，这是一个集成了多种抠图技术的Comfyui节点，这种集成类的Comfyui节点，它可以提供多种技术解决方案，方便进行横向比较，选出最优解。
RMBG 2.0 ：让图片抠图更简单，史上最强开源背景移除模型
OpenCSG的博客
11-21 1554
在图片处理领域，背景移除技术是设计师、摄影师、电商从业者乃至内容创作者的刚需。无论是为电商产品图片换背景，还是处理复杂的广告创意，背景去除的质量和效率直接决定了作品的最终呈现效果。而今天，RMBG 2.0的出现无疑为这些需求提供了更为优质的解决方案。本文将带您深入了解 RMBG 2.0，这款由BRIA AI推出的开源模型究竟有何魔力，能够将背景去除的准确率提升到前所未有的高度。来源：传神社区。
RMBG-2.0：开源的图像背景移除模型，具备高精度并支持各类图像
士多啤梨先生の博客
11-14 2349
RMBG-2.0 是 BRIA AI 推出的最新图像背景移除模型，基于深度学习技术实现高精度的前景与背景分离，适用于电子商务、广告、游戏开发等多个领域。
批量抠图小工具 支持BiRefNet，通用模型，效果挺强
05-03
https://pan.quark.cn/s/197880de9e72 V1.2版本：2024-3-23 1、支持BiRefNet，通用模型，效果挺强。 V1.1版本：2024-2-29 1、支持RMBG-1.4，通用模型，效果挺强。 V1.0版本：2024-2-2 1、基于rembg项目，支持批量将选定文件夹里的图片进行抠图，支持多种模型。
如何本地调用RMBG2.0.ONNX模型去除图片的背景
m0_49710816的博客
11-19 1568
图片去背景的开源模型RMBG2.0本地调用方法
【ComfyUI】控制光照节点——ComfyUI-IC-Light-Native
进一寸有一寸的欢喜
09-23 1706
IC-Light 是一个控制图像照明的项目。“IC-Light”这个名称代表“Impose Constant Light”（我们将在本页末尾简要描述这一点）。 目前，我们发布了两种类型的模型：文本条件重新光照模型和背景条件模型。两种类型都将前景图像作为输
在浏览器上使用transformers.js运行（WebGPU）RMBG-1.4进行抠图（背景移除）
shizidushu的博客
08-28 922
在浏览器上使用transformers.js运行（WebGPU）RMBG-1.4进行抠图（背景移除） ## 说明： - 首次发表日期：2024-08-28
抠图自由！ComfyUI+BiRefNet：小白秒变大神，批量处理省10倍时间！
yihanss的博客
03-17 666
Comfyui-BiRefNet 是 BiRefNet 的Comfyui 实现版本，是一个具备十分强大的项目；只需一步就可以完成抠图功能，而且速度极快。 ComfyUI-BiRefNet-ZHO插件凭借其卓越性能，正成为抠图和视频背景移除领域的新兴明星。它不仅提升了模型加载与图像处理的速度，还实现了对图片和视频背景的高效且高质量抠除。无论是复杂的图片还是视频，都能轻松应对，让创意无限延伸
ComfyUI 简单快速显存占用低可商用的抠图工具InSPyReNet
11-20 1094
ComfyUI 简单快速显存占用低可商用的抠图工具InSPyReNet
强烈推荐：ComfyUI-BiRefNet-ZHO —— 抠图和视频背景移除的新标杆
gitblog_00035的博客
06-17 1483
强烈推荐：ComfyUI-BiRefNet-ZHO —— 抠图和视频背景移除的新标杆 项目地址:https://gitcode.com/gh_mirrors/co/ComfyUI-BiRefNet-ZHO 项目介绍 在图像和视频处理领域，背景移除始终是项极具挑战的任务，而ComfyUI-BiRefNet-ZHO则凭借其卓越性能，正成为这一领域的新兴明星。该项目是对原BiRefNet模型的一次重要升...
ComfyUI_BiRefNet_ll：新一代高效抠图解决方案
gitblog_01056的博客
03-30 356
ComfyUI_BiRefNet_ll：新一代高效抠图解决方案 ComfyUI_BiRefNet_ll 项目地址: https://gitcode.com/gh_mirrors/co/ComfyUI_BiRefNet_ll ...
BiRefNet Ultra V2
02-18
### BiRefNet Ultra V2 模型架构 BiRefNet Ultra V2 是一款专注于图像处理领域特别是背景去除任务的大规模神经网络模型。该版本继承并优化了前代产品的特性，旨在提供更加精准高效的抠图效果[^3]。 #### 主要改进点 - **双分支结构**：采用两个独立但相互协作的子网路设计，分别负责前景物体特征提取以及背景区域识别。 - **多尺度融合机制**：引入不同层次的空间金字塔池化模块(SPP)，有效增强了对于复杂场景下目标边界细节捕捉能力。 - **轻量化部署方案**：针对移动端设备进行了针对性压缩裁剪，在保持性能的同时大幅降低了计算资源消耗。 ```python import torch.nn as nn class BiRefNetUltraV2(nn.Module): def __init__(self, num_classes=1): super(BiRefNetUltraV2, self).__init__() # 定义双分支主干网络和其他组件... def forward(self, x): # 前向传播逻辑... ``` ### 实现方式 为了实现上述提到的各项功能特点，开发者们采取了一系列先进的技术手段： - 使用预训练权重初始化部分卷积层参数，加速收敛过程； - 利用混合精度训练(Half Precision Training)减少内存占用并加快迭代速度； - 集成自定义损失函数来强化特定任务导向的学习效果； 这些措施共同作用使得 BiRefNet Ultra V2 不仅能在高分辨率图片上取得优异成绩，同时也具备良好的泛化能力和实时性表现[^4]。 ### 应用案例 实际应用场景方面，BiRefNet Ultra V2 已经被广泛应用于多个行业当中： - **电商美工自动化**：自动批量处理商品照片，去除杂乱背景提升视觉吸引力； - **影视后期制作**：辅助电影电视节目中的特效合成工作，简化绿幕拍摄流程； - **虚拟试衣间体验增强**：让用户能够即时看到穿着新衣服的效果，提高购物转化率； 综上所述，无论是从技术创新还是实用价值来看，BiRefNet Ultra V2 都展现出了极强的竞争优势和发展潜力.
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

DevOpsAigc云时代

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值