BiRefNet

BiRefNet, bir görseldeki ön planı arka plandan ayırmak için kullanılan bir görüntü segmentasyonu araştırma projesidir. Dekupe görsel hazırlarken iyi bir başlangıç noktası olabilir, ancak seçtiğiniz model sürümü sonucu doğrudan etkiler. Standart bir ön plan segmentasyonu modeli ile matting modeli aynı tür tahmini üretmez. Önce ihtiyacınız olan işi tanımlayın. Ardından maskeyi ve kompoziti, görselin gerçekten kullanılacağı boyutta ve arka plan üzerinde değerlendirin.

Bu değerlendirme 10 Eylül 2026 tarihinde kaynaklar incelenerek hazırlandı. BiRefNet’i GPU üzerinde çalıştırmadık ve aşağıda anlatılan örnek dekupe görsellerini üretmedik. Koltuk senaryosu ile kabul tablosu, kendi görsellerinizi değerlendirmeniz için önerilen editoryal araçlardır; ölçülmüş sonuçlar değildir.

İncelenen kaynak sürümleri: kod ebcc0bc8, standart model kartı e2bf8e44, matting model kartı eccde0a8.

Seçim maskesine mi, geçirgenliğe mi ihtiyaç duyduğunuzu belirleyin

Bir ürün dekupesi birbirinden farklı biçimlerde başarısız olabilir. Ana nesne yanlış seçilebilir, dar bir boşluk dolu kalabilir, ince lifler kaybolabilir veya kenarda eski arka planın rengi görülebilir. Bunların hepsine “arka plan kaldırma doğruluğu” demek, çözmeniz gereken gerçek düzenleme sorununu gizler.

BiRefNet’in özgün çalışması, yerelleştirme ve yeniden oluşturma bileşenleriyle yüksek çözünürlüklü dikotom görüntü segmentasyonunu ele alır. Bu, araştırmanın hangi probleme odaklandığını gösterir; yayımlanan her checkpoint’in yarı saydam malzemeleri aynı şekilde işlediğini kanıtlamaz. BiRefNet makalesi.

Resmî standart model kartı, ağırlıkları segmentasyon göreviyle tanımlar. Projede ayrıca genel matting için ayrı bir checkpoint bulunur. Sert kenarlı bir nesnede ön plan seçimi yeterli olabilir. Yumuşak geçişler veya kısmen saydam malzemeler söz konusuysa alfa davranışını ve seçilen checkpoint’in bu işe uygunluğunu ayrıca incelemelisiniz. Standart model, matting modeli.

Bir mobilya kataloğu için fotoğraflanmış döşemeli bir koltuk düşünün. Editörün dar ayakları, oturma bölümünün altındaki açık alanı ve bir kenardaki ince kumaş püsküllerini koruması gerekiyor. Teslim edilecek dosya hem açık renkli ürün sayfasında hem de koyu renkli tanıtım tasarımında kullanılabilen, yeniden kullanılabilir bir dekupe olmalı. Maskenin özgün stüdyo fonu üzerinde ikna edici görünmesi, bu ihtiyacın karşılandığı anlamına gelmez.

Maskeyi ve kompoziti ayrı ayrı inceleyin

Standart model kartındaki örnek, görseli ön işlemeden geçirir, bir maske tahmin eder, maskeyi özgün görsel boyutlarına döndürür ve alfa kanalı olarak uygular. Bu adımlar saydamlık içeren bir görsel üretir. Ancak segmentasyon maskesini alfa olarak kullanmak; cam, duman veya kumaş için fiziksel açıdan doğru geçirgenlik elde edildiğini tek başına göstermez. Resmî çıkarım örneği.

Özgün fotoğrafı, tahmin edilen maskeyi ve son kompoziti ayrı dosyalar olarak saklayın. Maske, nesne seçiminin doğru olup olmadığını görmenizi sağlar. Kompozit ise bu seçimin kenar renkleri ve yeni arka planla nasıl etkileştiğini gösterir. Yalnızca birine bakmak, diğerinde hemen fark edilecek bir kusuru gizleyebilir.

Koltuk örneğinde koyu arka plandaki püskülleri değerlendirmeden önce maskede ayakların arasındaki boşluklara bakın. Bu boşluklar yanlışsa ön plan rengi düzeltmesi kaybolan geometriyi geri getiremez. Seçim doğru olduğu hâlde açık renkli bir hale kalıyorsa bütün maskeyi değiştirmek, iyi kenarlara zarar verirken renk sorununu çözümsüz bırakabilir.

Teslim edilen dosyayı dışa aktardıktan ve yeniden içe aktardıktan sonra da kontrol edin. Saydamlık yalnızca düzenleme önizlemesinde değil, gerçek varlık hattının tamamında korunmalıdır. Dosya biçimini, görsel boyutlarını ve hedef uygulamanın alfa kanalını nasıl birleştirdiğini inceleyin. Model çıktısı kullanılabilir olsa bile düzleştirilmiş bir görsel veya yanlış yorumlanan alfa kanalı teslimat hatasıdır.

Model sürümü ile ön işlemeyi birlikte sabitleyin

BiRefNet; standart, matting ve daha yüksek çözünürlüklü seçenekler dâhil olmak üzere birden fazla yayımlanmış varyanta sahip bir projedir. Tek bir eğitim çözünürlüğünü, bellek değerini veya benchmark sonucunu BiRefNet adını taşıyan her dosyaya bağlamayın. Testte kullandığınız model deposunu, revizyonu ve ön işleme adımlarını eksiksiz kaydedin. Projenin model seçenekleri.

Resmî yükleme örneğinde uzaktan model kodu çalıştırmaya izin veren bir seçenek bulunur. İndirilen model kodunu çalıştırılabilir yazılım olarak değerlendirin: kaynağını inceleyin, belirli bir revizyona sabitleyin, yalıtılmış bir ortam kullanın ve deneye ilgisiz kimlik bilgileri vermeyin. Model adının tanıdık olması, rastgele bir ayna veya topluluk eklentisini geliştiricinin dağıtımıyla eş değer yapmaz.

Giriş görselinin yeniden boyutlandırılmasıyla maskenin yeniden boyutlandırılmasını ayrı ayrı kaydedin. Büyük bir kaynak fotoğraf, çıkarım öncesinde ciddi ölçüde küçültülebilir. Çıktı maskesini özgün boyutlara döndürmek yalnızca tuval ölçüsünü geri getirir; kaynaktaki her küçük ayrıntının korunduğunu kanıtlamaz. Kalite kararını megapiksel sayısına değil, gerçek sonuca dayandırın.

Standart checkpoint ile matting checkpoint’ini karşılaştırıyorsanız her biri için belgelenen ön işlemeyi koruyun. Checkpoint’i ve ilgisiz birkaç son işlem ayarını aynı anda değiştirmek, sonucun neden farklılaştığını açıklamayı zorlaştırır. Önce her aday için eksiksiz bir başlangıç koşusu oluşturun. Sonra yalnızca gözlenen kusurla ilgili aşamayı değiştirin.

MIT lisansının kapsamını doğru yorumlayın

Proje deposu MIT lisansını kullanır. Resmî standart ve matting model kartları da bu ağırlıkları MIT olarak tanımlar. Lisans, kapsadığı materyalin bildirim koşullarına uyularak geniş biçimde kullanılmasına izin verir ve bir garanti reddi içerir. Kapsanan materyali yeniden dağıtırken ilgili lisans ve atıf bilgilerini koruyun. Proje lisansı.

Bu sonucu aynı mimariyle eğitilmiş her türev modele taşımayın. Farklı bir checkpoint veya barındırılan hizmet farklı koşullara sahip olabilir. “BiRefNet tabanlı” ifadesinden izin sonucu çıkarmak yerine kullanacağınız ağırlıkları ve hizmeti doğrudan kontrol edin. Açık bir lisans, barındırılan çıkarımın, depolamanın veya GPU süresinin ücretsiz olduğu anlamına da gelmez.

Kaynak fotoğraf ayrı bir hak konusudur. Görseli düzenleme ve yayımlama izniniz olduğunu; tanınabilir kişiler, sanat eserleri veya markalar varsa bunların da kapsandığını doğrulayın. Arka planı kaldırmak, geriye kalan nesne üzerinde mülkiyet yaratmaz. Bu yazı kaynaklardaki lisansları aktarır; belirli bir ticari görsel için hukuki izin veya garanti vermez.

Bir ekip sürecinde lisans kararını yalnızca bir geliştiricinin notlarında bırakmayın, koşu kaydının parçası yapın. İleride yeni bir model revizyonu checkpoint’in yerini alırsa kayıt, hem teknik davranışın hem de geçerli koşulların yeniden incelenmesi gerektiğini açıkça göstermelidir.

Dekupe denemesini teslimat ihtiyacına göre hazırlayın

Varsayımsal koltuk kataloğu için gerçek düzenleme işini temsil eden küçük bir fotoğraf grubu seçin. Belirgin bir siluet, düşük kontrastlı bir kenar, yapısal parçalar arasında açık bir boşluk ve ince kumaş ayrıntısı ekleyin. Bu örnekler farklı kabul sorularını görünür kılar; kapsamlı bir segmentasyon benchmark’ı oldukları iddia edilmez.

Bir şey çalıştırmadan önce hangi özelliklerin korunması, çevredeki hangi öğelerin kaybolması gerektiğini işaretleyin. Temas gölgesinin teslimatta kalıp kalmayacağına, ayrı düzenlenip düzenlenmeyeceğine veya tamamen kaldırılıp kaldırılmayacağına karar verin. Amaçlanan gölge konusunda anlaşmazlık, zorunlu olarak model hatası değildir; sanat yönetimi kararıdır.

Dokunulmamış girdiyi saklayın ve önemli her kenar için referans bir kırpım oluşturun. Son kullanım ölçüsünü, hedef arka planları ve izin verilen elle düzeltme süresini kaydedin. Küçük katalog görseli ile büyük kampanya tasarımı, aynı fotoğraftan üretilseler bile farklı işlemler gerektirebilir.

Tek bir aday yapılandırmayı çalıştırın, maskesini saklayın ve planlanan açık ile koyu arka planların ikisine de yerleştirin. Sonuçları teslimat ölçüsünde karşılaştırın. Kusuru teşhis ederken kritik kırpımlara daha yakından bakın. Yalnızca büyütüldüğünde görülen önemsiz bir kusur yüzünden kullanılabilir küçük görseli reddetmeyin. Büyük formatlı dosyayı da küçültülmüş önizlemesi temiz göründüğü için kabul etmeyin.

Birden fazla arka planla kabul tablosu kullanın

Aşağıdaki tablo koltuk örneği için hazırlanmış özgün bir öneridir. Bu değerlendirmede hiçbir görsel çalıştırılmadığı için doldurulmuş bir başarı oranı içermez.

Sınırda kalan bir sonucun örneğini ve yazılı kararını saklayın. Böylece iki editör sonraki görsellere aynı standardı uygulayabilir. Aksi durumda “iyi kenar” farklı arka planlara veya değerlendirene göre başka anlamlara gelebilir. Görünürdeki iyileşme de yalnızca kabul eşiğinin değişmesinden kaynaklanabilir.

Tabloyu otomasyonun nerede fayda sağladığını belirlemek için kullanın. Model, öngörülebilir bir elle temizlik aşaması bıraksa bile seçim işinin önemli bölümünü azaltabilir. Temizlik açıkça görülüyor ve bütçeleniyorsa bu yararlı bir süreç olabilir. Ön planın çoğu ilk denemede doğru göründü diye süreci gözetimsiz üretim olarak tanımlamayın.

Ön plan rengi düzeltmesini ayrı bir işlem olarak değerlendirin

Depoda CPU ve GPU için ayrı yolları bulunan bir ön plan düzeltme işlevi yer alır. Bu işlev görseli ve maskeyi kullanarak ön plan renklerini tahmin eder; maskeyi tahmin etmekle aynı işlem değildir. İşlevin varlığı, denemeyi aşamalara ayırmak için yararlı bir kanıttır. Her fotoğrafı iyileştirdiğinin kanıtı değildir. Ön plan düzeltme kodu.

Koltuğun silueti kabul edilebilir olduğu hâlde kenarda eski arka planın rengi kalıyorsa, bir kopyayı düzeltme uygulanmış ve uygulanmamış biçimde karşılaştırın. Değişikliğin seçimden çok rengi etkileyip etkilemediğini görebilmek için özgün maskeyi koruyun. Açık ve koyu kompozitleri yeniden inceleyin; bir arka planda işe yarayan kenar değişikliği diğerinde uygun olmayabilir.

Ara sonuçları saklamadan birkaç temizlik işlemini üst üste uygulamayın. Sert bir yumuşatma, kenarı düzenli gösterirken brief’in istediği kumaş ayrıntısını yok edebilir. Neyin değiştiğini ve adlandırılan kusurun çözülüp çözülmediğini kaydedin. Çözülmediyse açıklanamayan sonucun üzerine yeni işlemler eklemek yerine o deney koluna geri dönün.

Daha fazla işlem gücü almadan önce kusuru teşhis edin

Aşağıdakiler ölçülmüş hata sıklıkları değil, önerilen incelemelerdir. Sorunun ilk görünür olduğu aşamadan başlayın.

Hızı değerlendirirken başlatma, çıkarım, düzeltme ve dışa aktarma sürelerini ayrı ölçün. Uçtan uca sonuca elle düzeltmeyi de ekleyin. Geliştiricinin belirli GPU’daki zamanlaması; sizin makineniz, checkpoint’iniz, görsel boyutunuz veya batch büyüklüğünüz için vaat değildir. Bu inceleme asgari donanım garantisi sunmaz.

Başka bir düzenleme yönteminin ne zaman daha basit olduğunu bilin

Az sayıdaki sert kenarlı ürün için elle çizilen bir yol, otomatik hat kurmaktan daha öngörülebilir olabilir. Önemli yarı saydam malzemelerde özel matting veya rötuş gerekebilir. Fotoğraf, nesneyi arka plandan teslimat brief’ine yetecek kadar ayırmıyorsa kontrollü bir yeniden çekim, tekrarlanan model denemelerinden daha verimli olabilir.

Bu yöntemler arasında aynı kabul tablosunu ve düzenleme bütçesini kullanarak seçim yapın. Modelin ham maskesiyle elle özenle düzeltilmiş son dosyayı, yapılan emek farkını belirtmeden karşılaştırmayın. Anlamlı karşılaştırma, aynı brief altında kabul edilen teslimata ulaşmak için gereken toplam süre ve emektir.

Bu nedenle BiRefNet’i kusursuz saydamlık vaadi olarak değil, görüntü hattında seçilebilen bir bileşen olarak ele alın. Checkpoint’i, ön işlemeyi, maskeyi, kompoziti ve düzeltme kaydını birlikte saklayın. Görselle ilgili diğer model kategorilerini model dizininde inceleyebilirsiniz; herhangi bir alternatifi, bağımsız değerlendirme yapmadan doğrudan ikame saymayın.