圖片去背

哪些圖去得乾淨

• 主體清楚、和背景顏色差異大的照片最穩：白牆前的人像、桌面上的單一商品、天空前的建築。
• 主體太小（佔畫面不到 1/10）、多個主體重疊、或背景和主體同色（白衣服配白牆）時，模型容易把背景留下或把主體吃掉，要靠筆刷補。
• 模型以 1024×1024 推論，再把遮罩放大回原尺寸；原圖很大時，細髮絲的邊緣會比原圖解析度粗一些。先用裁切把主體裁大一點，效果通常比整張丟進去好。

頭髮、毛邊與半透明物件

• 選 BiRefNet lite：髮絲、毛衣起毛、寵物毛邊比 ISNet 細很多；ISNet 適合手機或只需要粗略輪廓的商品圖。
• 深色頭髮配深色背景最難，邊緣常會留一圈背景色。切到「白色」或「自訂」預覽背景檢查，看到暗邊就用小筆刷擦除，再用「補回」把被誤刪的髮尾畫回來。
• 玻璃杯、薄紗、煙霧這類半透明物件：模型給的是「是不是主體」的判斷，不是真正的透明度，結果常是全有或全無。這類圖通常要手動修，或在拍攝時就換成純色背景。
• 要做 LINE 貼圖時，去背後再到 LINE 貼圖裁切 裁掉透明留白、改成 370×320 以內。

速度與記憶體

• BiRefNet lite 只在支援 WebGPU 的瀏覽器（新版 Chrome、Edge）用顯示卡執行；在 CPU（WASM）上 1024×1024 推論會超過瀏覽器的記憶體上限，所以沒有 WebGPU 時只能用 ISNet。實測 ISNet 用 CPU 一張約 10 秒。
• 顯示卡不支援 16 位元浮點（shader-f16）時，自動模式用 ISNet；手動選 BiRefNet 會改下載同一個模型的 fp32 版本（224.0 MB）。
• 偵測到裝置記憶體少於 4 GB（只有 Chromium 瀏覽器會回報）時，預設 ISNet，輸出上限 1,200 萬像素。iPhone 的 Safari 不會回報記憶體，大圖仍可能因記憶體不足而重新整理頁面，建議先縮小再處理。
• 模型下載一次後存在瀏覽器的快取裡；清除網站資料後會再下載一次。

模型、執行環境與授權

• BiRefNet lite：onnx-community/BiRefNet_lite-ONNX（MIT，固定版本 de15b22），原始模型 ZhengPeng7/BiRefNet（MIT）。使用 model_fp16.onnx（114.5 MB）；顯示卡不支援 f16 時改用 model.onnx（224.0 MB）。
• ISNet：imgly/isnet-general-onnx（轉檔 repo 標示 MIT，固定版本 440dea9），原始模型 xuebinqin/DIS（Apache-2.0）。使用 model_fp16.onnx，88.2 MB。
• 執行環境：ONNX Runtime Web 1.30.0（MIT），放在本站；授權見 LICENSE.txt，完整清單見 THIRD_PARTY.txt。
• 模型檔超過 GitHub Pages 單檔 100 MB 的限制，所以從 Hugging Face 的 CDN 下載；這個請求只下載模型，不會送出你的圖片。

去背結果由模型推測，不保證完美；用在商品頁或印刷前，請放大檢查邊緣。