BRIA-RMBG-1.4容器构建指南

一、介绍

BRIA-RMBG-1.4 是 BRIA AI 公司开发的一款先进的背景去除模型,旨在高效、准确地从各种类别和类型的图像中分离前景和背景。

1.项目背景与目的

在数字化和视觉驱动的时代,图像处理技术,特别是背景去除技术(抠图),已成为多个领域的基础需求,如电子商务、广告制作、社交媒体内容创造等。BRIA-RMBG-1.4 模型的推出,正是为了满足这些领域对于高效、准确背景去除技术的迫切需求。

2.模型特点

高精度与高效性 :RMBG v1.4 通过精细的分割技术,能够精确移除背景,即使在复杂多变的背景中也能轻松处理,为用户提供了前所未有的抠图体验。同时,其处理速度和效率也非常高,适用于大规模内容创作的商业使用场景。

广泛适用性 :该模型在精心挑选的数据集上进行了训练,涵盖了通用库存图像、电子商务、游戏和广告内容等多个领域,使其能够应对各种图像类型和场景。无论是在线购物的商品图片、游戏角色、广告创意图,还是社交媒体上的个人照片,RMBG v1.4 都能提供高效和准确的背景去除服务。

内容安全与合法许可 :RMBG v1.4 使用了合法许可的训练数据集,并有效减轻了模型偏差,保证了内容的安全性。这对于关注内容安全、合法许可数据集和偏差缓解的企业和个人来说,是一个重要的优势。

3.技术细节

  • 模型训练 :RMBG v1.4 经过了超过 12,000 张高质量、高分辨率、手工标注(像素级精度)、完全授权的图像训练,确保了其卓越的性能。为了更加公平地反映多样性,该模型的训练数据包括了平衡的性别、种族以及不同类型的残障人士。
  • 应用场景 :该模型在多个领域都有广泛的应用,如电子商务中的产品展示、广告和促销素材的制作、个人和品牌形象的塑造、视频制作中的人像抠图以及海报和传单的设计等。

4.项目资源

BRIA-RMBG-1.4 · 创空间 (modelscope.cn)

二、容器构建说明

建议使用RTX3060显卡

1. 安装 miniconda

进入 Anaconda 官网:

Miniconda --- Anaconda 文档

找到快速命令行安装,选择 Linux 系统,复制代码进入终端进行安装。

等待安装完成。

2. 安装并更新基础命令,让后续使用更快捷: unzip、lsof、git、git-lfs

复制代码
apt-get update
apt-get install -y unzip
apt-get install -y lsof
apt-get install -y git
apt-get install -y git-lfs

3. 克隆项目仓库,并打开文件

复制代码
git clone https://www.modelscope.cn/studios/AI-ModelScope/BRIA-RMBG-1.4.git
cd BRIA-RMBG-1.4

4. 创建 python 为 3.10 版本的虚拟环境,名称为BR

复制代码
conda create --name BR python=3.10 -y

5. 激活虚拟环境BR

复制代码
conda activate BR

6. 通过 pip 安装所需的 torch 环境(国内镜像源快一些,以下使用了清华源)

复制代码
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121 -i https://pypi.tuna.tsinghua.edu.cn/simple

7. 安装项目依赖文件及相应包

为了安装速度更快可以将 pip 进行永久换源

复制代码
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

pip install -r requirements.txt
pip install modelscope

8. 指定端口,运行 py 文件(运行项目,首次运行会自动下载模型)

复制代码
export GRADIO_SERVER_NAME=0.0.0.0
export GRADIO_SERVER_PORT=8080
python3 app.py

下载完成后即运行成功

三、网页演示

运行成功后获取访问链接,即可进入 webUI 界面使用

相关推荐
进取星辰26 分钟前
PyTorch 深度学习实战(28):对比学习(Contrastive Learning)与自监督表示学习
人工智能·深度学习
阿珊和她的猫29 分钟前
AIGC 与 Agentic AI:生成式智能与代理式智能的技术分野与协同演进
人工智能·aigc
飞凌嵌入式30 分钟前
从DeepSeek到Qwen,AI大模型的移植与交互实战指南
人工智能·aigc·嵌入式
不吃香菜?32 分钟前
OpenCV图像处理基础到进阶之高阶操作
图像处理·人工智能·opencv
沐雪架构师1 小时前
LLaMA Factory微调后的大模型在vLLM框架中对齐对话模版
人工智能
不吃香菜?1 小时前
opencv图像处理之指纹验证
人工智能·opencv·计算机视觉
AIGC大时代1 小时前
DeepSeek学术仿写过程中如何拆解框架?
人工智能·chatgpt·智能写作·deepseek·aiwritepaper
云狐创意1 小时前
小豆包api:gpt-4o模型api已接入,出图更稳定
人工智能·程序人生
郝YH是人间理想1 小时前
OpenCV基础——轮廓检测、模板匹配、图像均衡化
开发语言·图像处理·人工智能·python·opencv·计算机视觉
十九万里1 小时前
基于 OpenCV + Haar Cascade 实现的极简版本人脸标注(本地化)
人工智能·后端