近日，Feyn 团队正式推出了全新 SOTA（顶尖）背景移除模型FeyNoBg，并在开源社区同步公开了配套的NoBg训练与推理库，旨在为开发者提供更轻便、高效的抠图解决方案。

优秀的背景移除算法不仅需要准确识别前景，还要完美处理边缘细节（如毛发、半透明薄纱等）。为了实现这一目标，开发团队以开源的 BiRefNet 架构为基础进行深度优化。通过将其关键特征提取阶段的模块由18块扩展至24块，使模型参数量从222M 略增至263M，在完整保留原有预训练权重的同时，赋予了模型更强的学习与信息保持能力。

在训练策略上，团队突破了单一数据集带来的局限，收集并清洗了涵盖复杂场景、高分辨率图像、伪装物体及动漫等在内的10个数据集、共计2.61万张图像进行多源混合训练。经过严谨的数据配比调整和统一的二值掩码转换，该模型在多项权威基准测试中表现亮眼。数据显示，FeyNoBg在八大主流基准测试中的四个上创下了最佳 S-measure 评分，在其余测试中也紧咬榜首，性能几乎不相上下。

为了方便开发者落地应用，团队一并开源了底层 Python 库NoBg。实测表明，在批处理模式下，该库相较于原始 BiRefNet 实现了更高的吞吐量、更低的延迟以及更小的显存占用。目前，用户可以通过FeyNoBg on Hugging Face获取模型，或通过 GitHub 深入探索。