اخیراً، تیم Feyn به طور رسمی مدل جدید و پیشرفته حذف پسزمینه (SOTA) با نام FeyNoBg را معرفی کرد و همزمان کتابخانه آموزشی و استنتاجی NoBg مربوطه را در جامعه متنباز منتشر نمود. هدف از این اقدام، ارائه یک راهحل سبکتر و کارآمدتر برای تقسیمبندی تصویر به توسعهدهندگان است.
الگوریتمهای عالی حذف پسزمینه نه تنها باید پیشزمینه را با دقت شناسایی کنند، بلکه باید جزئیات لبهها (مانند مو، تورهای نیمهشفاف و غیره) را نیز به نحو احسن مدیریت کنند. برای دستیابی به این هدف، تیم توسعهدهنده بر اساس معماری متنباز BiRefNet بهینهسازیهای عمیقی انجام داد. با افزایش ماژولها در مرحله استخراج ویژگیهای کلیدی از ۱۸ به ۲۴، تعداد پارامترهای مدل اندکی از ۲۲۲ میلیون به ۲۶۳ میلیون افزایش یافت، در حالی که وزنهای از پیش آموزشدیده اصلی حفظ شد و این امر قابلیتهای یادگیری و حفظ اطلاعات قویتری به مدل بخشید.
در زمینه استراتژی آموزش، تیم محدودیتهای یک مجموعه داده واحد را شکست و ۱۰ مجموعه داده شامل صحنههای پیچیده، تصاویر با وضوح بالا، اشیاء استتار شده و انیمه را جمعآوری و پاکسازی کرد که در مجموع ۲۶,۱۰۰ تصویر برای آموزش ترکیبی از منابع مختلف مورد استفاده قرار گرفت. پس از تنظیم دقیق نسبت دادهها و تبدیل ماسک باینری یکپارچه، مدل در چندین آزمون بنچمارک معتبر عملکرد فوقالعادهای از خود نشان داد. دادهها حاکی از آن است که FeyNoBg در چهار مورد از هشت بنچمارک اصلی، بهترین امتیاز S-measure را کسب کرده و در سایر آزمونها نیز با عملکردی تقریباً برابر، نزدیک به پیشتاز باقی مانده است.
برای تسهیل کاربرد توسعهدهندگان، تیم همچنین کتابخانه پایتون زیربنایی NoBg را متنباز کرد. آزمایشهای عملی نشان میدهد که در حالت پردازش دستهای، این کتابخانه در مقایسه با BiRefNet اصلی، توان عملیاتی بالاتر، تأخیر کمتر و مصرف حافظه کمتری را به دست میآورد. در حال حاضر، کاربران میتوانند مدل را از طریق FeyNoBg در Hugging Face به دست آورند یا به طور عمیقتر در GitHub کاوش کنند.