옵션
집
속보
콘텐츠
JohnYoung
JohnYoung
2026년 7월 30일

Feyn 팀은 새로운 SOTA 배경 제거 모델인 FeyNoBg를 공개하고, NoBg 라이브러리를 오픈소스로 공개했습니다. BiRefNet을 기반으로 구축된 이 모델은 특징 추출 모듈을 18개에서 24개로 확장했습니다(매개변수 2억 6,300만 개). 10개 데이터셋(26,100장 이미지)으로 훈련된 이 모델은 8개 벤치마크 중 4개에서 최고 S-measure를 달성했습니다. NoBg 라이브러리는 BiRefNet에 비해 더 높은 처리량, 더 낮은 지연 시간, 더 적은 메모리 사용량을 제공합니다. Hugging Face와 GitHub에서 이용 가능합니다.

Feyn 팀은 새로운 SOTA 배경 제거 모델인 FeyNoBg를 공개하고, NoBg 라이브러리를 오픈소스로 공개했습니다. BiRefNet을 기반으로 구축된 이 모델은 특징 추출 모듈을 18개에서 24개로 확장했습니다(매개변수 2억 6,300만 개). 10개 데이터셋(26,100장 이미지)으로 훈련된 이 모델은 8개 벤치마크 중 4개에서 최고 S-measure를 달성했습니다. NoBg 라이브러리는 BiRefNet에 비해 더 높은 처리량, 더 낮은 지연 시간, 더 적은 메모리 사용량을 제공합니다. Hugging Face와 GitHub에서 이용 가능합니다. Feyn 팀은 새로운 SOTA 배경 제거 모델인 FeyNoBg를 공개하고, NoBg 라이브러리를 오픈소스로 공개했습니다. BiRefNet을 기반으로 구축된 이 모델은 특징 추출 모듈을 18개에서 24개로 확장했습니다(매개변수 2억 6,300만 개). 10개 데이터셋(26,100장 이미지)으로 훈련된 이 모델은 8개 벤치마크 중 4개에서 최고 S-measure를 달성했습니다. NoBg 라이브러리는 BiRefNet에 비해 더 높은 처리량, 더 낮은 지연 시간, 더 적은 메모리 사용량을 제공합니다. Hugging Face와 GitHub에서 이용 가능합니다. Feyn 팀은 새로운 SOTA 배경 제거 모델인 FeyNoBg를 공개하고, NoBg 라이브러리를 오픈소스로 공개했습니다. BiRefNet을 기반으로 구축된 이 모델은 특징 추출 모듈을 18개에서 24개로 확장했습니다(매개변수 2억 6,300만 개). 10개 데이터셋(26,100장 이미지)으로 훈련된 이 모델은 8개 벤치마크 중 4개에서 최고 S-measure를 달성했습니다. NoBg 라이브러리는 BiRefNet에 비해 더 높은 처리량, 더 낮은 지연 시간, 더 적은 메모리 사용량을 제공합니다. Hugging Face와 GitHub에서 이용 가능합니다.
의견 (0)
0/300
OR