Option
Heim
Eilmeldung
Inhalt
JohnYoung
JohnYoung
30. Juli 2026

Das Feyn-Team hat mit „FeyNoBg“ ein neues, dem aktuellen Stand der Technik entsprechendes Modell zur Hintergrundentfernung vorgestellt und die NoBg-Bibliothek als Open Source veröffentlicht. Das auf BiRefNet aufbauende Modell erweitert die Module zur Merkmalsextraktion von 18 auf 24 (263 Millionen Parameter). Es wurde auf 10 Datensätzen (26.100 Bilder) trainiert und erzielt bei 4 von 8 Benchmarks den höchsten S-Measure-Wert. Die NoBg-Bibliothek bietet einen höheren Durchsatz, eine geringere Latenz und einen geringeren Speicherbedarf als BiRefNet. Verfügbar auf Hugging Face und GitHub.

Das Feyn-Team hat mit „FeyNoBg“ ein neues, dem aktuellen Stand der Technik entsprechendes Modell zur Hintergrundentfernung vorgestellt und die NoBg-Bibliothek als Open Source veröffentlicht. Das auf BiRefNet aufbauende Modell erweitert die Module zur Merkmalsextraktion von 18 auf 24 (263 Millionen Parameter). Es wurde auf 10 Datensätzen (26.100 Bilder) trainiert und erzielt bei 4 von 8 Benchmarks den höchsten S-Measure-Wert. Die NoBg-Bibliothek bietet einen höheren Durchsatz, eine geringere Latenz und einen geringeren Speicherbedarf als BiRefNet. Verfügbar auf Hugging Face und GitHub. Das Feyn-Team hat mit „FeyNoBg“ ein neues, dem aktuellen Stand der Technik entsprechendes Modell zur Hintergrundentfernung vorgestellt und die NoBg-Bibliothek als Open Source veröffentlicht. Das auf BiRefNet aufbauende Modell erweitert die Module zur Merkmalsextraktion von 18 auf 24 (263 Millionen Parameter). Es wurde auf 10 Datensätzen (26.100 Bilder) trainiert und erzielt bei 4 von 8 Benchmarks den höchsten S-Measure-Wert. Die NoBg-Bibliothek bietet einen höheren Durchsatz, eine geringere Latenz und einen geringeren Speicherbedarf als BiRefNet. Verfügbar auf Hugging Face und GitHub. Das Feyn-Team hat mit „FeyNoBg“ ein neues, dem aktuellen Stand der Technik entsprechendes Modell zur Hintergrundentfernung vorgestellt und die NoBg-Bibliothek als Open Source veröffentlicht. Das auf BiRefNet aufbauende Modell erweitert die Module zur Merkmalsextraktion von 18 auf 24 (263 Millionen Parameter). Es wurde auf 10 Datensätzen (26.100 Bilder) trainiert und erzielt bei 4 von 8 Benchmarks den höchsten S-Measure-Wert. Die NoBg-Bibliothek bietet einen höheren Durchsatz, eine geringere Latenz und einen geringeren Speicherbedarf als BiRefNet. Verfügbar auf Hugging Face und GitHub.
Kommentare (0)
0/300
OR