高分辨率图像一键精准抠图，细节不丢失
BiRefNet 是一个用于高分辨率二分图像分割（Dichotomous Image Segmentation, DIS）的深度学习模型，由 CAAI AIR 2024 提出。它通过双边参考机制（Bilateral Reference）同时利用全局语义和局部细节信息，精准分割图像中的显著前景物体，尤其擅长处理高分辨率图像。该模型解决了传统分割方法在高分辨率下细节丢失、边界模糊的问题，核心能力包括：高精度分割、多尺度特征融合、以及针对背景移除、伪装物体检测等任务的优化。项目提供了预训练模型和推理代码，支持快速部署，在背景移除、图像编辑、医学影像分析等领域具有广泛应用价值。
⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。
1克隆项目仓库
从项目信息给出的 GitHub 地址拉取代码到本地，注意仓库名与地址大小写一致。README 未提供其他获取方式。
git clone https://github.com/ZhengPeng7/BiRefNet.git2进入项目目录
切换工作目录到克隆下来的仓库根目录，后续环境配置与运行都以此为基准。
cd BiRefNet3查阅仓库环境说明
README 节选中 Environment Setup 与 Run 两节的代码块为空，未给出任何安装或运行命令。请打开仓库中的实际文件与最新 README，按其内容安装依赖、下载权重并运行推理，切勿套用本文未列出的命令。
README 节选中未提供任何启动命令，无法验证运行状态；克隆后本地出现 BiRefNet 目录且能进入，即说明准备步骤完成。
Q：为什么教程里没有安装和运行命令？
A：本 README 节选中 Environment Setup 与 Run 两节的代码块均为空，未写明任何命令；为避免编造包名与参数，此处只给出克隆与查阅准备，请以仓库最新 README 为准。
Q：需要自己下载预训练权重吗？
A：README 节选只提到评估后可用 gen_best_ep.py 从 Sm、wFm、HCE（仅 DIS）指标中挑选最佳 ckpt，未给出权重下载地址与加载方式，需查看仓库实际文档。
Q：这个模型能用来做什么？
A：按项目简介，BiRefNet 用于高分辨率二分图像分割，支持背景移除、伪装物体检测、图像编辑、医学影像分析等任务，尤其擅长高分辨率下的精细边界分割。
Q：gen_best_ep.py 怎么运行？
A：README 仅说明它用于在评估后按指定指标挑选最佳 ckpt，未给出具体调用命令与参数，请以仓库实际文件说明为准。
U2-Net、ISNet、InSPyReNet
BiRefNet 是计算机视觉领域的开源项目，由 ZhengPeng7 开发，2022 年首次发布。
在全站 13,090 个收录项目中，它的 GitHub 星标数（4,219）位列前 10%，在计算机视觉分类的 447 个项目里位列前 10%。
近 42 天，它的 GitHub 星标从 4,034 增加到 4,219，净增 185。
项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-23。提供在线Demo，核心功能免费，无付费版本。从国内网络环境看，访问稳定性一般，建议自备网络条件。
它主要面向的使用场景是：电商图片背景移除。同类可对比的替代方案包括 U2-Net、ISNet、InSPyReNet。
下一篇：ANTs
modlens
开源
给纯文本编码代理装上眼睛，粘贴图片即刻获得结构化视觉证据。
The first vision plugin for DeepSeek Harness, and the vision bridge for every text-o···
opencv
开源
开箱即用的视觉算法库，搞定图像视频处理与识别
Open Source Computer Vision Library
OpenCVTutorials
开源
中文 OpenCV 教程，从入门到实战，边看边跑代码
OpenCV-Python4.1 中文文档
DEIMv2
开源
用DINOv3做实时检测，又快又准，直接落地。
[DEIMv2] Real Time Object Detection Meets DINOv3