FeyNobg

설치

FeyNobg에는 선택적 extra가 필요하지 않습니다. 가져오는 모든 항목이 기본 설치에 포함됩니다.

pip install libreyolo

예측

체크포인트는 다른 모든 계열과 마찬가지로 처음 사용할 때 Hugging Face의 LibreYOLO 조직에서 내려받아 로컬에 캐시되지만, 아직 이 페이지의 체크포인트 표에는 나열되지 않았습니다.

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreFeyNobgl-matte.pt")result = model(SAMPLE_IMAGE, save=True) matte = result.matteprint(matte.array.shape, matte.array.dtype)

libreyolo predict model=LibreFeyNobgl-matte.pt source=https://raw.githubusercontent.com/LibreYOLO/libreyolo/release/libreyolo/assets/parkour.jpg save=True

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreFeyNobgl-matte.pt")result = model(SAMPLE_IMAGE) # RGBA (H, W, 4) uint8: 소스 RGB와 알파 채널로 사용한 매트입니다.rgba = result.cutout()result.save("subject.png")

매트 결과에는 바운딩 박스가 없습니다. result.matte는 [0, 1] 범위의 밀집 (H, W) float32 배열이며 1은 완전한 전경, 0은 완전한 배경입니다. 이진 마스크와 달리 소프트 매트는 머리카락과 털 같은 안티앨리어싱된 엣지 세부 정보를 유지합니다. result.cutout()은 소스 이미지와 해당 알파 채널을 RGBA 배열로 합성하며, result.save(path) 또는 예측 호출의 save=True는 투명 배경 PNG로 바로 저장합니다. 모델은 고정 네이티브 1024x1024 캔버스에서 실행합니다. Swin 백본의 상대 위치 테이블이 이 크기에 묶여 있고 크기가 일치하지 않으면 오류 대신 잘못된 보간이 일어나므로 다른 해상도는 지원하지 않습니다. 소스, 스트리밍, 결과 처리는 예측을 참조합니다.

변형

공개된 크기는 Swin-L 계층 백본을 사용하는 l 하나입니다. FeyNobg는 BiRefNet의 아키텍처에서 세 번째 Swin 단계를 18개 블록에서 24개 블록으로 심화한 뒤 다시 학습합니다. 따라서 LibreYOLO 포트는 BiRefNet의 순전파 경로, 전처리, 단일 로짓 출력 계약을 재사용하며 예측, 검증, 체크포인트 처리는 birefnet 계열과 동일하게 동작합니다.

검증

val()은 짝을 이룬 이미지 및 매트 폴더에서 해상도와 무관한 [0, 1] 범위의 메트릭 두 가지를 보고합니다. MAE는 정답 알파 대비 평균 절대 오차로 낮을수록 좋고, S-measure(Fan et al., ICCV 2017)는 픽셀 MAE만으로는 놓치는 피사체 형태와 구멍 보존을 반영하는 구조적 유사도로 높을수록 좋습니다. 검증은 모델 자체 predict를 구동하므로 계열의 정확한 전처리를 사용합니다.

from libreyolo import LibreYOLO model = LibreYOLO("LibreFeyNobgl-matte.pt") # images/와 자동 탐지되는 매트 디렉터리(mattes/, matte/, gt/,# masks/, mask/ 또는 alpha/)가 있는 디렉터리도 데이터셋 YAML# 대신 사용할 수 있습니다.metrics = model.val(data="my-matte-dataset/") print(metrics["metrics/MAE"])print(metrics["metrics/Smeasure"])

검증은 추론 전용입니다. 업스트림 nobg 라이브러리는 Apache-2.0 학습 코드를 제공합니다. 현재 파인튜닝하려면 이 계열에서 train()을 호출하는 대신 업스트림에서 학습하고 LibreYOLO 자체 변환 스크립트로 결과를 변환해야 합니다. train()은 일부 트레이너를 실행하지 않고 오류를 발생시킵니다.

라이선스

인용

@software{nobg,
  title={nobg: Open Source Background Removal Models for Image and Video Matting},
  author={Hichri, Hafedh},
  year={2026},
  url={https://github.com/feyninc/nobg},
  license={Apache-2.0},
}