rembg

rembg 是 danielgatis 维护的开源 Python 抠图库,2020 年首发,MIT 最宽松协议,GitHub 主语言 Python + ONNX Runtime + PyTorch。封装 U²-Net、ISNet、BiRefNet、SAM、Silueta 等多种 SOTA 抠图模型,CLI / Python API / HTTP server 三种使用形态,可几行代码完成人像、商品、通用主体的前景分割,自动输出透明背景 PNG。

核心能力围绕「多模型统一接口 + 易部署」展开。模型族 默认 u2net(u2netp / u2netp_quantized / u2net_human_seg / u2net_cloth_seg 等子模型);可选 isnet-general-use / isnet-anime / birefnet-general / birefnet-portrait / briaai-rmbg / sam 多种 SOTA;模型可自动下载到 ~/.u2net / ~/.isnet 等本地目录。CLI rembg i input.png output.png 一行完成;支持 --model 切换、rembg p 启动 HTTP 服务(POST 文件到 / 后回传 PNG)。Python API from rembg import remove; remove(input_bytes) 返回 PNG bytes;支持 alpha matting / post-process mask / only-mask 输出。加速 支持 ONNX Runtime(CPU/GPU)、CUDA / CoreML / DirectML 后端,可启用半精度 FP16;CPU 上 1024x1024 图 ~1-3 秒(取决于模型)。生态 ComfyUI 有 rembg 节点(ComfyUI-rembg);Houdini / Blender / GIMP 插件;商业产品(remove.bg)的开源替代。

适用场景:电商商品图批量抠图(白底/透明底)、人像照片背景替换、AI 训练数据预处理(目标 mask 标注)、AIGC 二次编辑(局部合成)、设计师素材处理。硬件门槛:CPU 即可跑(ONNX Runtime),GPU(CUDA / CoreML)快 3-5 倍;单图 1024x1024 峰值 ~2GB 内存。上手路径:pip install rembg[cli] → rembg i photo.jpg out.png;Python embed 见 README examples;Docker 部署见官方 image。

License 为 MIT(最宽松),允许商业闭源使用、修改、再分发,只需保留版权声明。rembg 与 VisLane 已收录的 backgroundremover(同名同质)定位关系:backgroundremover 是 nadermx 维护的早期 U²-Net 封装库(2018 起),rembg 是更现代、模型更多、社区更活跃的替代,且与 ComfyUI 节点生态更紧密。若你已在用 backgroundremover,迁移到 rembg 通常 1 行 import 替换;若首次接入,推荐直接 rembg(更新更勤,模型更全)。