rembg ಮತ್ತು U²-Net ಬಳಸಿ ಬ್ಯಾಕ್‌ಗ್ರೌಂಡ್ ರಿಮೂವಲ್: ಒಂದು ಸಂಪೂರ್ಣ, ಪ್ರಾಯೋಗಿಕ ಮಾರ್ಗದರ್ಶಿ

ಚಿತ್ರದಿಂದ ಬ್ಯಾಕ್‌ಗ್ರೌಂಡ್ ಅನ್ನು ತೆಗೆದುಹಾಕುವುದು ಎಂದರೆ ಮೊದಲು ಎಡಿಟರ್ ಅನ್ನು ತೆರೆಯುವುದು, ವಿಷಯದ ಸುತ್ತಲೂ ಟ್ರೇಸ್ ಮಾಡುವುದು ಮತ್ತು ಕೈಯಾರೆ ಅಂಚುಗಳನ್ನು ಸ್ವಚ್ಛಗೊಳಿಸುವುದು ಎಂದಾಗಿತ್ತು. ಆಗಸ್ಟ್ 7, 2026 ರ ಹೊತ್ತಿಗೆ, ನೀವು ಅದನ್ನು ಕೇವಲ ಒಂದು ಸಾಲಿನ ಕೋಡ್‌ನಲ್ಲಿ ಮಾಡಬಹುದು — ಆಫ್‌ಲೈನ್‌ನಲ್ಲಿ, ಉಚಿತವಾಗಿ — ಇದಕ್ಕೆ ಧನ್ಯವಾದಗಳು rembg ಮತ್ತು ಅದು ಅವಲಂಬಿಸಿರುವ ಡೀಪ್-ಲರ್ನಿಂಗ್ ಮಾಡೆಲ್, U²-Net. ಪ್ರತಿಯೊಂದೂ ಏನು, ಅವುಗಳು ಹೇಗೆ ಒಟ್ಟಿಗೆ ಸೇರುತ್ತವೆ ಎಂಬುದನ್ನು ಈ ಮಾರ್ಗದರ್ಶಿ ವಿವರಿಸುತ್ತದೆ ಮತ್ತು ನೀವು ಇಂದು ಚಲಾಯಿಸಬಹುದಾದ ಕಾಪಿ-ಪೇಸ್ಟ್ ಉದಾಹರಣೆಗಳನ್ನು ನಿಮಗೆ ನೀಡುತ್ತದೆ.

ಈಗೇಕೆ? ಬ್ಯಾಕ್‌ಗ್ರೌಂಡ್ ರಿಮೂವಲ್ ನಿಶ್ಶಬ್ದವಾಗಿ ಎಲ್ಲೆಡೆಯೂ ಇದೆ: ಬಿಳಿಯ ಹಿನ್ನೆಲೆಯಲ್ಲಿ ಇ-ಕಾಮರ್ಸ್ ಉತ್ಪನ್ನಗಳ ಫೋಟೋಗಳು, ಪ್ರೊಫೈಲ್ ಅವತಾರ್‌ಗಳು, ಥಂಬ್‌ನೇಲ್‌ಗಳು, ಸ್ಟಿಕ್ಕರ್ ಪ್ಯಾಕ್‌ಗಳು, ಐಡಿ ಫೋಟೋಗಳು, ಇತರ ಮಾಡೆಲ್‌ಗಳಿಗಾಗಿ ಡೇಟಾಸೆಟ್ ತಯಾರಿ ಮತ್ತು ಆಪ್ ಐಕಾನ್‌ಗಳು. ಕ್ಲೌಡ್ API ಗಳು ಪ್ರತಿ ಚಿತ್ರಕ್ಕೆ ಶುಲ್ಕ ವಿಧಿಸುತ್ತವೆ ಮತ್ತು ನಿಮ್ಮ ಚಿತ್ರಗಳನ್ನು ಮೂರನೇ ವ್ಯಕ್ತಿಗೆ ಕಳುಹಿಸುತ್ತವೆ. rembg ಅದೇ ಕೆಲಸವನ್ನು ಸ್ಥಳೀಯವಾಗಿ ಮಾಡುತ್ತದೆ, ಇದು ಅಗ್ಗವಾಗಿದೆ, ಖಾಸಗಿಯಾಗಿದೆ ಮತ್ತು ಸ್ಕ್ರಿಪ್ಟ್ ಮಾಡಬಹುದಾಗಿದೆ.

ಸಮಸ್ಯೆ: ವಿಷಯವನ್ನು ಬ್ಯಾಕ್‌ಗ್ರೌಂಡ್‌ನಿಂದ ಬೇರ್ಪಡಿಸುವುದು

ಈ ಕಾರ್ಯದ ತಾಂತ್ರಿಕ ಹೆಸರು salient object detection (SOD): ಚಿತ್ರದಲ್ಲಿ ಹೆಚ್ಚು ದೃಷ್ಟಿಗೋಚರವಾಗಿ ಪ್ರಮುಖವಾದ ವಸ್ತುವನ್ನು ರೂಪಿಸುವ ಪಿಕ್ಸೆಲ್‌ಗಳನ್ನು ಕಂಡುಹಿಡಿಯುವುದು. ಪ್ರತಿ-ಪಿಕ್ಸೆಲ್‌ನ "ಇದು ವಿಷಯವೇ?" ಮ್ಯಾಪ್ ಅನ್ನು ನೀವು ಪಡೆದ ನಂತರ, ಬ್ಯಾಕ್‌ಗ್ರೌಂಡ್ ರಿಮೂವಲ್ ಎಂದರೆ ಉಳಿದೆಲ್ಲವನ್ನೂ ಟ್ರಾನ್ಸ್‌ಪರೆಂಟ್ ಆಗಿ ಪರಿವರ್ತಿಸುವುದು. ಆದ್ದರಿಂದ ಕಷ್ಟದ ಭಾಗ ಅಳಿಸುವುದಲ್ಲ — ಕೂದಲ, ತುಪ್ಪಳ ಮತ್ತು ಗಾಜಿನಂತಹ ಟ್ರಿಕಿ ಅಂಚುಗಳ ಸುತ್ತಲೂ ನಿಖರವಾದ ಮಾಸ್ಕ್ ಅನ್ನು ಉತ್ಪಾದಿಸುವುದು.

U²-Net ಎಂದರೇನು?

U²-Net ("ಯು-ಸ್ಕ್ವಾಯರ್ಡ್ ನೆಟ್" ಎಂದು ಉಚ್ಚರಿಸಲಾಗುತ್ತದೆ) ಎಂಬುದು 2020 ರಲ್ಲಿ ಸೇಲಿಯೆಂಟ್ ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಷನ್‌ಗಾಗಿ ಪ್ರಕಟಿಸಲಾದ ಡೀಪ್ ನ್ಯೂರಲ್ ನೆಟ್‌ವರ್ಕ್ ಆಗಿದೆ. ಇದರ ಪ್ರಮುಖ ಉಪಾಯವೆಂದರೆ ಒಂದು nested, two-level U-structure. ಕ್ಲಾಸಿಕ್ U-Net ನಲ್ಲಿ ಫೀಚರ್‌ಗಳನ್ನು ಕಲಿಯುವಾಗ ಚಿತ್ರವನ್ನು ಕುಗ್ಗಿಸುವ ಎನ್‌ಕೋಡರ್ ಮತ್ತು ಅದನ್ನು ಪೂರ್ಣ-ರೆಸಲ್ಯೂಶನ್ ಮಾಸ್ಕ್‌ಗೆ ಹಿಗ್ಗಿಸುವ ಡಿಕೋಡರ್ ಇರುತ್ತದೆ. U²-Net ಒಂದು ಸಣ್ಣ U-ಆಕಾರದ ಬ್ಲಾಕ್ ಅನ್ನು ಇರಿಸುತ್ತದೆ — ಅದನ್ನು ಹೀಗೆ ಕರೆಯಲಾಗುತ್ತದೆ ReSidual U-block (RSU) — ದೊಡ್ಡ U-ಆಕಾರದ ನೆಟ್‌ವರ್ಕ್‌ನ ಪ್ರತಿ ಹಂತದ ಒಳಗೆ. ಆ "U ಒಳಗಿನ U" ಅದಕ್ಕೆ ಅಸಾಧ್ಯವಾದಷ್ಟು ಭಾರವಾಗದೆ ಸೂಕ್ಷ್ಮ ವಿವರಗಳನ್ನು ಮತ್ತು ದೊಡ್ಡ-ಪ್ರಮಾಣದ ಸಂದರ್ಭವನ್ನು ಗ್ರಹಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.

ಔಟ್‌ಪುಟ್ ಬಣ್ಣದ ಚಿತ್ರವಲ್ಲ. ಇದು ಗ್ರೇಸ್ಕೇಲ್ saliency map: ಪ್ರತಿ ಪಿಕ್ಸೆಲ್ 0 (ಬ್ಯಾಕ್‌ಗ್ರೌಂಡ್) ನಿಂದ 1 (ವಿಷಯ) ರವರೆಗಿನ ಮೌಲ್ಯವನ್ನು ಪಡೆಯುತ್ತದೆ. rembg ಆ ಮ್ಯಾಪ್ ಅನ್ನು ತೆಗೆದುಕೊಂಡು, ಅದನ್ನು ಹೀಗೆ ಬಳಸುತ್ತದೆ alpha channel, ಮತ್ತು ನಿಮಗೆ ಟ್ರಾನ್ಸ್‌ಪರೆಂಟ್ PNG ಅನ್ನು ನೀಡುತ್ತದೆ.

ಎರಡು ಗಾತ್ರಗಳು ವ್ಯಾಪಕವಾಗಿ ಲಭ್ಯವಿವೆ:

• u2net — ಪೂರ್ಣ ಮಾಡೆಲ್, ಸುಮಾರು 176 MB, ಅತ್ಯುತ್ತಮ ಸಾಮಾನ್ಯ ನಿಖರತೆ.
• u2netp — ಹಗುರವಾದ ಆವೃತ್ತಿ, 5 MB ಗಿಂತ ಕಡಿಮೆ, ಹೆಚ್ಚು ವೇಗ ಮತ್ತು ಚಿಕ್ಕದು, ಸ್ವಲ್ಪ ಕಡಿಮೆ ನಿಖರವಾಗಿದೆ.

rembg ಎಂದರೇನು?

rembg ಒಂದು ಓಪನ್ ಸೋರ್ಸ್ (MIT-ಪರವಾನಗಿ ಪಡೆದ) Python ಟೂಲ್ ಮತ್ತು ಲೈಬ್ರರಿಯಾಗಿದ್ದು, ಇದು U²-Net ಅನ್ನು — ಮತ್ತು ಹಲವಾರು ಹೊಸ ಮಾಡೆಲ್‌ಗಳನ್ನು — ಅತ್ಯಂತ ಸರಳವಾದ ಇಂಟರ್‌ಫೇಸ್‌ನ ಹಿಂದೆ ಸುತ್ತುತ್ತದೆ. ಇದು ಮಾಡೆಲ್‌ಗಳನ್ನು ಇದರ ಮೂಲಕ ಚಲಾಯಿಸುತ್ತದೆ ONNX Runtime, ಆದ್ದರಿಂದ ಇದು ಸಾಮಾನ್ಯ CPU ಮತ್ತು ಐಚ್ಛಿಕವಾಗಿ GPU ನಲ್ಲಿ ಕೆಲಸ ಮಾಡುತ್ತದೆ. ಮೊದಲ ಬಳಕೆಯಂದು ಇದು ಮಾಡೆಲ್ ವೇಟ್‌ಗಳನ್ನು ಒಮ್ಮೆ ಡೌನ್‌ಲೋಡ್ ಮಾಡುತ್ತದೆ ಮತ್ತು ಅವುಗಳನ್ನು ಇಲ್ಲಿ ಕ್ಯಾಶ್ ಮಾಡುತ್ತದೆ ~/.u2net/, ತದನಂತರ ಸಂಪೂರ್ಣವಾಗಿ ಆಫ್‌ಲೈನ್‌ನಲ್ಲಿ ಚಲಾಯಿಸುತ್ತದೆ.

ಅದನ್ನು ಬಳಸಲು ನಿಮಗೆ ಮೂರು ಮಾರ್ಗಗಳಿವೆ: ಕಮಾಂಡ್-ಲೈನ್ ಟೂಲ್, Python ಫಂಕ್ಷನ್ ಮತ್ತು ಸಣ್ಣ HTTP ಸರ್ವರ್.

ಹಂತ 1: ಇನ್‌ಸ್ಟಾಲ್ ಮಾಡಿ

# Library + command-line interface
pip install "rembg[cli]"

# Optional: GPU acceleration (needs a CUDA-capable setup)
pip install "rembg[gpu]"

ನೀವು ಯಾವುದೇ ಕಮಾಂಡ್ ಅನ್ನು ಮೊದಲ ಬಾರಿಗೆ ಚಲಾಯಿಸಿದಾಗ, rembg ಮಾಡೆಲ್ ಅನ್ನು ಇಲ್ಲಿಗೆ ತರುತ್ತದೆ ~/.u2net/ (ಒಂದು ಬಾರಿ, ಡಿಫಾಲ್ಟ್ ಮಾಡೆಲ್‌ಗಾಗಿ ~176 MB). ಅದರ ನಂತರ ಅದು ಆಫ್‌ಲೈನ್ ಆಗಿರುತ್ತದೆ.

ಹಂತ 2: ಬ್ಯಾಕ್‌ಗ್ರೌಂಡ್ ಅನ್ನು ತೆಗೆದುಹಾಕಿ

ಇದನ್ನು ಪ್ರಯತ್ನಿಸಲು ಕಮಾಂಡ್ ಲೈನ್ ಅತ್ಯಂತ ವೇಗವಾದ ಮಾರ್ಗವಾಗಿದೆ:

# One image: input can be JPG/PNG/WebP, output should be PNG (needs transparency)
rembg i photo.jpg photo-nobg.png

# A whole folder at once
rembg p ./input-images ./output-images

# Run it as a local HTTP service (great for apps)
rembg s
# then POST an image to http://localhost:7000/api/remove

Python API ಅಷ್ಟೇ ಚಿಕ್ಕದಾಗಿದೆ. PIL ಚಿತ್ರದೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವುದು ಅತ್ಯಂತ ಸ್ವಚ್ಛವಾದ ವಿಧಾನವಾಗಿದೆ:

from rembg import remove
from PIL import Image

with Image.open("photo.jpg") as img:
    result = remove(img)          # returns an RGBA image with the background cut out
    result.save("photo-nobg.png") # PNG preserves transparency

ನೀವು ರಾ ಬೈಟ್‌ಗಳಿಗೆ ಆದ್ಯತೆ ನೀಡಿದರೆ (ವೆಬ್ ಹ್ಯಾಂಡ್ಲರ್ ಅಥವಾ ಪೈಪ್‌ಲೈನ್‌ಗಾಗಿ):

from rembg import remove

with open("photo.jpg", "rb") as src, open("photo-nobg.png", "wb") as dst:
    dst.write(remove(src.read()))

ಹಂತ 3: ಮುಂದೆ ಹೋಗಿ — ಮಾಡೆಲ್‌ಗಳು, ಸ್ವಚ್ಛವಾದ ಅಂಚುಗಳು ಮತ್ತು ಹೊಸ ಬ್ಯಾಕ್‌ಗ್ರೌಂಡ್‌ಗಳು

ಸರಿಯಾದ ಮಾಡೆಲ್ ಅನ್ನು ಆರಿಸಿ

rembg ಹಲವಾರು ಮಾಡೆಲ್‌ಗಳನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ; ನೀವು ಇದರೊಂದಿಗೆ ಒಂದನ್ನು ಆರಿಸಿಕೊಳ್ಳಿ -m CLI ನಲ್ಲಿ ಅಥವಾ ಒಂದು session Python ನಲ್ಲಿ. ವಿಭಿನ್ನ ಮಾಡೆಲ್‌ಗಳು ವಿಭಿನ್ನ ವಿಷಯಗಳಿಗೆ ಹೊಂದಿಕೆಯಾಗುತ್ತವೆ:

ಮಾಡೆಲ್	ಇದಕ್ಕೆ ಉತ್ತಮ	ಟಿಪ್ಪಣಿಗಳು
u2net	ಸಾಮಾನ್ಯ ಉದ್ದೇಶ (ಡಿಫಾಲ್ಟ್)	ಸಮತೋಲಿತ ನಿಖರತೆ, ~176 MB
u2netp	ವೇಗ / ಕಡಿಮೆ ಮೆಮೊರಿ	ಚಿಕ್ಕದು (<5 MB), ಸ್ವಲ್ಪ ಒರಟಾಗಿದೆ
u2net_human_seg	ಜನರು / ಪೋರ್ಟ್ರೇಟ್‌ಗಳು	ಮಾನವ ಆಕೃತಿಗಳಿಗಾಗಿ ಟ್ಯೂನ್ ಮಾಡಲಾಗಿದೆ
isnet-general-use	ತೀಕ್ಷ್ಣವಾದ ಸಾಮಾನ್ಯ ಮಾಸ್ಕ್‌ಗಳು	ಸಾಮಾನ್ಯವಾಗಿ u2net ಗಿಂತ ಸ್ವಚ್ಛವಾಗಿದೆ
silueta	u2net ನಿಖರತೆ, ಚಿಕ್ಕ ಗಾತ್ರ	~43 MB ಡ್ರಾಪ್-ಇನ್
birefnet-general	ಉತ್ತಮ ಗುಣಮಟ್ಟದ ಅಂಚುಗಳು	ದೊಡ್ಡದು ಮತ್ತು ನಿಧಾನ, ಕೂದಲಿನ ಮೇಲೆ ಅತ್ಯುತ್ತಮವಾಗಿದೆ

# CLI: use the human-segmentation model
rembg i -m u2net_human_seg portrait.jpg portrait-nobg.png

# Python: reuse one session across many images (much faster in a batch)
from rembg import remove, new_session
from PIL import Image

session = new_session("isnet-general-use")
for name in ("a.jpg", "b.jpg", "c.jpg"):
    with Image.open(name) as img:
        remove(img, session=session).save(name.replace(".jpg", "-nobg.png"))

ಆಲ್ಫಾ ಮ್ಯಾಟಿಂಗ್‌ನೊಂದಿಗೆ ಸೂಕ್ಷ್ಮ ಅಂಚುಗಳನ್ನು ಸ್ವಚ್ಛಗೊಳಿಸಿ

ಕೂದಲು ಮತ್ತು ಮೃದುವಾದ ಅಂಚುಗಳಲ್ಲಿ ಕಚ್ಚಾ ಮಾಸ್ಕ್ ಕತ್ತರಿಯಿಂದ ಕತ್ತರಿಸಿದಂತೆ ಕಾಣುತ್ತದೆ. rembg ಯಲ್ಲಿ ಅಂತರ್ನಿರ್ಮಿತವಿದೆ alpha matting ಆ ಟ್ರಾನ್ಸಿಶನ್‌ಗಳನ್ನು ಮೃದುಗೊಳಿಸಲು ಮತ್ತು ಪರಿಷ್ಕರಿಸಲು:

from rembg import remove
from PIL import Image

with Image.open("hair.jpg") as img:
    result = remove(
        img,
        alpha_matting=True,
        alpha_matting_foreground_threshold=240,
        alpha_matting_background_threshold=10,
        alpha_matting_erode_size=10,
    )
    result.save("hair-nobg.png")

ಇದು ನಿಧಾನವಾಗಿದೆ, ಆದರೆ ಪೋರ್ಟ್ರೇಟ್‌ಗಳು ಮತ್ತು ತುಪ್ಪಳವಿರುವ ಪ್ರಾಣಿಗಳ ಮೇಲಿನ ವ್ಯತ್ಯಾಸವು ನಾಟಕೀಯವಾಗಿರುತ್ತದೆ.

ಬ್ಯಾಕ್‌ಗ್ರೌಂಡ್ ಅನ್ನು ತೆಗೆದುಹಾಕುವ ಬದಲು ಬದಲಾಯಿಸಿ

ಟ್ರಾನ್ಸ್‌ಪರೆಂಟ್ PNG ಸಾಮಾನ್ಯವಾಗಿ ಹಂತ ಒಂದಾಗಿರುತ್ತದೆ. ವಿಷಯವನ್ನು ಘನ ಬಣ್ಣದ ಮೇಲೆ ಇರಿಸಲು (ಉದಾಹರಣೆಗೆ, ಬಿಳಿ ಇ-ಕಾಮರ್ಸ್ ಬ್ಯಾಕ್‌ಗ್ರೌಂಡ್), ಅದನ್ನು ಸಂಯೋಜಿಸಿ:

from rembg import remove
from PIL import Image

foreground = remove(Image.open("product.jpg"))          # RGBA subject
background = Image.new("RGBA", foreground.size, (255, 255, 255, 255))
Image.alpha_composite(background, foreground).convert("RGB").save("product-white.jpg")

ಬಣ್ಣವನ್ನು ಬದಲಾಯಿಸಿ, ಅಥವಾ ಬ್ಯಾಕ್‌ಗ್ರೌಂಡ್ ಆಗಿ ಇನ್ನೊಂದು ಫೋಟೋವನ್ನು ಬಳಸಿ, ಮತ್ತು ನೀವು ಕೆಲವು ಸಾಲುಗಳಲ್ಲಿ ಪೂರ್ಣ ಕಾಂಪೋಸಿಟಿಂಗ್ ಪೈಪ್‌ಲೈನ್ ಅನ್ನು ಹೊಂದುತ್ತೀರಿ.

ಒಂದು ನೈಜ ಉದಾಹರಣೆ: ಟ್ರಾನ್ಸ್‌ಪರೆಂಟ್ ಪ್ರೊಫೈಲ್ ಬ್ಯಾಡ್ಜ್

ಇಲ್ಲೊಂದು ಎಂಡ್-ಟು-ಎಂಡ್ ಸನ್ನಿವೇಶವಿದೆ. ನೀವು ಪೋರ್ಟ್ರೇಟ್ ಅನ್ನು ದುಂಡಗಿನ, ಟ್ರಾನ್ಸ್‌ಪರೆಂಟ್ "ಬ್ಯಾಡ್ಜ್" ಆಗಿ ಪರಿವರ್ತಿಸಲು ಬಯಸುತ್ತೀರಿ ಎಂದುಕೊಳ್ಳಿ — ವ್ಯಕ್ತಿಯನ್ನು ಕತ್ತರಿಸಿ, ವೃತ್ತದಲ್ಲಿ ಫ್ರೇಮ್ ಮಾಡಿ, ಉಳಿದೆಲ್ಲವೂ ಪಾರದರ್ಶಕವಾಗಿರುತ್ತದೆ, ಆದ್ದರಿಂದ ಇದು ತೇಲುವ ಸ್ಟಿಕ್ಕರ್‌ನಂತೆ ಕಾಣುತ್ತದೆ.

from rembg import remove, new_session
from PIL import Image, ImageDraw

# 1. Cut out the person with the human model + alpha matting for clean hair edges
session = new_session("u2net_human_seg")
with Image.open("me.jpg") as img:
    cut = remove(img, session=session, alpha_matting=True).convert("RGBA")

# 2. Center-crop to a square
side = min(cut.size)
left, top = (cut.width - side) // 2, (cut.height - side) // 2
square = cut.crop((left, top, left + side, top + side))

# 3. Apply a circular mask so only a disc remains
mask = Image.new("L", square.size, 0)
ImageDraw.Draw(mask).ellipse((0, 0, side, side), fill=255)
square.putalpha(mask)

square.save("badge.png")  # transparent circular badge, ready to use

ಫೋಟೋ-ಆಧಾರಿತ ಆಪ್ ಐಕಾನ್‌ಗಳು ಮತ್ತು ಪ್ರೊಫೈಲ್ ಬ್ಯಾಡ್ಜ್‌ಗಳ ಹಿಂದಿನ ನಿಖರವಾದ ಪ್ಯಾಟರ್ನ್ ಅದೇ ಆಗಿದೆ: rembg ಭಾರವಾದ ಕೆಲಸವನ್ನು ಮಾಡುತ್ತದೆ (ವ್ಯಕ್ತಿಯನ್ನು ಕಂಡುಹಿಡಿಯುವುದು), ಮತ್ತು PIL ನ ಕೆಲವು ಸಾಲುಗಳು ಫ್ರೇಮಿಂಗ್ ಮಾಡುತ್ತವೆ.

ಇದು ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ, ಎಂಡ್ ಟು ಎಂಡ್

1. rembg ನಿಮ್ಮ ಚಿತ್ರದ ಗಾತ್ರವನ್ನು ಬದಲಾಯಿಸುತ್ತದೆ ಮತ್ತು ONNX ರನ್‌ಟೈಮ್ ಮೂಲಕ U²-Net ಮಾಡೆಲ್‌ಗೆ ನೀಡುತ್ತದೆ.
2. U²-Net ಸೇಲಿಯೆನ್ಸಿ ಮ್ಯಾಪ್ ಅನ್ನು ಔಟ್‌ಪುಟ್ ಮಾಡುತ್ತದೆ — ಯಾವ ಪಿಕ್ಸೆಲ್‌ಗಳು ವಿಷಯವಾಗಿದೆ ಎಂಬುದರ ಕುರಿತು ಗ್ರೇಸ್ಕೇಲ್ ಊಹೆ.
3. rembg ಆ ಮ್ಯಾಪ್ ಅನ್ನು ಮತ್ತೆ ಮೂಲ ಆಯಾಮಗಳಿಗೆ ಮರುಹೊಂದಿಸುತ್ತದೆ ಮತ್ತು ಅದನ್ನು ಆಲ್ಫಾ ಚಾನೆಲ್ ಆಗಿ ಬಳಸುತ್ತದೆ.
4. ಐಚ್ಛಿಕವಾಗಿ, ಆಲ್ಫಾ ಮ್ಯಾಟಿಂಗ್ ವಿಷಯ ಮತ್ತು ಬ್ಯಾಕ್‌ಗ್ರೌಂಡ್ ನಡುವಿನ ಗಡಿಯನ್ನು ಪರಿಷ್ಕರಿಸುತ್ತದೆ.
5. ಬ್ಯಾಕ್‌ಗ್ರೌಂಡ್ ಇಲ್ಲದ RGBA ಚಿತ್ರವನ್ನು ನೀವು ಪಡೆಯುತ್ತೀರಿ.

ಕಾರ್ಯಕ್ಷಮತೆ ಮತ್ತು ಪ್ರಾಯೋಗಿಕ ಸಲಹೆಗಳು

• CPU ಉತ್ತಮವಾಗಿದೆ ಸಾಂದರ್ಭಿಕ ಬಳಕೆಗಾಗಿ; ಗಾತ್ರ ಮತ್ತು ಮಾಡೆಲ್ ಅನ್ನು ಅವಲಂಬಿಸಿ ಪ್ರತಿ ಚಿತ್ರಕ್ಕೆ ಸರಿಸುಮಾರು ಒಂದು ಅಥವಾ ಕೆಲವು ಸೆಕೆಂಡುಗಳನ್ನು ನಿರೀಕ್ಷಿಸಿ. ಇನ್‌ಸ್ಟಾಲ್ ಮಾಡಿ rembg[gpu] ಮತ್ತು ಬ್ಯಾಚ್‌ಗಳಿಗಾಗಿ CUDA ಸೆಟಪ್ ಬಳಸಿ.
• ಸೆಷನ್ ಅನ್ನು ಮರುಬಳಕೆ ಮಾಡಿ (new_session(...)) ಅನೇಕ ಚಿತ್ರಗಳಾದ್ಯಂತ — ಅದನ್ನು ರಚಿಸುವುದು ನಿಧಾನವಾದ ಭಾಗವಾಗಿದೆ, ಆದ್ದರಿಂದ ಅದನ್ನು ಒಮ್ಮೆ ಮಾಡಿ.
• ಬೃಹತ್ ಇನ್‌ಪುಟ್‌ಗಳನ್ನು ಡೌನ್‌ಸ್ಕೇಲ್ ಮಾಡಿ ನಿಮಗೆ ವೆಬ್-ಗಾತ್ರದ ಫಲಿತಾಂಶ ಮಾತ್ರ ಅಗತ್ಯವಿದ್ದರೆ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವ ಮೊದಲು; ಇದು ವೇಗವಾಗಿರುತ್ತದೆ ಮತ್ತು ಮಾಸ್ಕ್ ಸಾಮಾನ್ಯವಾಗಿ ಅಷ್ಟೇ ಉತ್ತಮವಾಗಿರುತ್ತದೆ.
• ಕ್ಯಾಶ್ ಇಲ್ಲಿರುತ್ತದೆ ~/.u2net/ — ನಿಮ್ಮ ಡಾಕರ್ ಇಮೇಜ್‌ನಲ್ಲಿ ಮಾಡೆಲ್‌ಗಳನ್ನು ಮೊದಲೇ ಡೌನ್‌ಲೋಡ್ ಮಾಡಿ ಇದರಿಂದ ಪ್ರೊಡಕ್ಷನ್ ಎಂದಿಗೂ ರನ್‌ಟೈಮ್‌ನಲ್ಲಿ ತರುವುದಿಲ್ಲ.
• ಔಟ್‌ಪುಟ್ PNG (ಅಥವಾ WebP) ಆಗಿರಬೇಕು ಟ್ರಾನ್ಸ್‌ಪರೆನ್ಸಿ ಉಳಿಸಿಕೊಳ್ಳಲು; JPG ಟ್ರಾನ್ಸ್‌ಪರೆಂಟ್ ಪ್ರದೇಶವನ್ನು ಕಪ್ಪು ಬಣ್ಣದಿಂದ ತುಂಬುತ್ತದೆ.

ಇದು 2026 ರಲ್ಲಿ ಏಕೆ ಮುಖ್ಯವಾಗಿದೆ

U²-Net ನಂತಹ ಸ್ಥಳೀಯ, ಓಪನ್-ಸೋರ್ಸ್ ಮಾಡೆಲ್‌ಗಳು ಒಮ್ಮೆ ಡಿಸೈನರ್ ಅಥವಾ ಪಾವತಿಸಿದ API ಅಗತ್ಯವಿರುವ ಕಾರ್ಯವನ್ನು ಸ್ಕ್ರಿಪ್ಟ್ ಮಾಡಬಹುದಾದ, ಖಾಸಗಿ, ಶೂನ್ಯ-ವೆಚ್ಚದ ಹಂತವಾಗಿ ಮಾಡಿದೆ. ಇದು ಬ್ಯಾಚ್ ಪೈಪ್‌ಲೈನ್‌ಗಳನ್ನು (ರಾತ್ರಿಯಿಡೀ ಸಾವಿರಾರು ಉತ್ಪನ್ನ ಚಿತ್ರಗಳು), ನಿಮ್ಮ ಫೋಟೋಗಳನ್ನು ಎಂದಿಗೂ ಅಪ್‌ಲೋಡ್ ಮಾಡದ ಆನ್-ಡಿವೈಸ್ ಆ್ಯಪ್‌ಗಳನ್ನು ಮತ್ತು ಅವತಾರ್‌ಗಳು ಹಾಗೂ ಸ್ಟಿಕ್ಕರ್‌ಗಳಂತಹ ಸೃಜನಶೀಲ ಆಟೊಮೇಷನ್ ಅನ್ನು ಅನ್‌ಲಾಕ್ ಮಾಡುತ್ತದೆ. rembg ಆ ಸಾಮರ್ಥ್ಯಕ್ಕೆ ಸ್ನೇಹಪರ ಮುಂಭಾಗದ ಬಾಗಿಲಾಗಿದೆ.

ತೀರ್ಮಾನ

rembg ನಿಮಗೆ ಒಂದೇ ಸಾಲಿನಲ್ಲಿ ಪ್ರೊಡಕ್ಷನ್-ಗ್ರೇಡ್ ಬ್ಯಾಕ್‌ಗ್ರೌಂಡ್ ರಿಮೂವಲ್ ಅನ್ನು ನೀಡುತ್ತದೆ, ಮತ್ತು U²-Net ಎಂಬುದು ಕೆಳಗೆ ನೈಜ ಕೆಲಸವನ್ನು ಮಾಡುವ ಸೇಲಿಯೆಂಟ್-ಆಬ್ಜೆಕ್ಟ್ ಮಾಡೆಲ್ ಆಗಿದೆ. ಡಿಫಾಲ್ಟ್‌ನೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸಿ u2net, ಇದಕ್ಕೆ ಬದಲಾಯಿಸಿ u2net_human_seg ಜನರಿಗಾಗಿ, ಅಂಚುಗಳು ಮುಖ್ಯವಾದಾಗ ಆಲ್ಫಾ ಮ್ಯಾಟಿಂಗ್‌ಗಾಗಿ ತಲುಪಿ, ಮತ್ತು ಕಟ್-ಔಟ್‌ಗಿಂತ ಹೆಚ್ಚಿನದರ ಅಗತ್ಯವಿದ್ದಾಗ ಹೊಸ ಬ್ಯಾಕ್‌ಗ್ರೌಂಡ್‌ಗೆ ಸಂಯೋಜಿಸಿ.

ಗುಣಗಳು

• ಬ್ಯಾಕ್‌ಗ್ರೌಂಡ್ ಅನ್ನು ತೆಗೆದುಹಾಕಲು ಒಂದು ಸಾಲು; ಉಚಿತ ಮತ್ತು ಓಪನ್ ಸೋರ್ಸ್ (MIT).
• ಆಫ್‌ಲೈನ್‌ನಲ್ಲಿ ಮತ್ತು ಸ್ಥಳೀಯವಾಗಿ ಚಲಿಸುತ್ತದೆ — ಖಾಸಗಿ ಮತ್ತು ಅಗ್ಗ, ಪ್ರತಿ-ಚಿತ್ರಕ್ಕೆ ಯಾವುದೇ API ಶುಲ್ಕಗಳಿಲ್ಲ.
• ವಿಭಿನ್ನ ವಿಷಯಗಳಿಗಾಗಿ ಅನೇಕ ಮಾಡೆಲ್‌ಗಳು, ಜೊತೆಗೆ ಸೂಕ್ಷ್ಮ ಅಂಚುಗಳಿಗಾಗಿ ಆಲ್ಫಾ ಮ್ಯಾಟಿಂಗ್.
• CLI, Python ಲೈಬ್ರರಿ ಅಥವಾ HTTP ಸರ್ವರ್ ಆಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ; CPU ಅಥವಾ GPU.

ದೋಷಗಳು

• ಮೊದಲ ರನ್ ದೊಡ್ಡ ಮಾಡೆಲ್ ಅನ್ನು ಡೌನ್‌ಲೋಡ್ ಮಾಡುತ್ತದೆ (ಡಿಫಾಲ್ಟ್‌ಗಾಗಿ ~176 MB).
• ಬಹಳ ದೊಡ್ಡ ಚಿತ್ರಗಳ ಅಥವಾ ದೊಡ್ಡ ಬ್ಯಾಚ್‌ಗಳ CPU ಪ್ರೊಸೆಸಿಂಗ್ ನಿಧಾನವಾಗಬಹುದು.
• ಅತ್ಯಂತ ಸೂಕ್ಷ್ಮವಾದ ವಿವರಗಳಿಗೆ (ಹಾರಿಹೋಗುವ ಕೂದಲು, ಟ್ರಾನ್ಸ್‌ಪರೆಂಟ್ ಗಾಜು) ಇನ್ನೂ ಆಲ್ಫಾ ಮ್ಯಾಟಿಂಗ್ ಅಥವಾ BiRefNet ನಂತಹ ಭಾರವಾದ ಮಾಡೆಲ್ ಅಗತ್ಯವಿದೆ.
• ಯಾವುದೇ ಒಂದೇ ಸ್ಪಷ್ಟ ವಿಷಯವಿಲ್ಲದ ಗೊಂದಲಮಯ ದೃಶ್ಯಗಳಲ್ಲಿ ನಿಖರತೆ ಕುಸಿಯುತ್ತದೆ.

ಎಚ್ಚರಿಕೆ

ಈ ಲೇಖನವು ಶೈಕ್ಷಣಿಕ ಉದ್ದೇಶಗಳಿಗಾಗಿ. ಉದಾಹರಣೆ ಫೈಲ್ ಹೆಸರುಗಳು ಮತ್ತು ಮಾರ್ಗಗಳನ್ನು ನಿಮ್ಮದೇ ಆದದರೊಂದಿಗೆ ಬದಲಾಯಿಸಿ, ಮಾಡೆಲ್ ಹೆಸರುಗಳನ್ನು ಅವಲಂಬಿಸುವ ಮೊದಲು ಪ್ರಸ್ತುತ rembg ಡಾಕ್ಯುಮೆಂಟೇಶನ್ ವಿರುದ್ಧ ಪರಿಶೀಲಿಸಿ, ಮತ್ತು ನೀವು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವ ಯಾವುದೇ ಚಿತ್ರಗಳ ಹಕ್ಕುಸ್ವಾಮ್ಯ ಹಾಗೂ ಗೌಪ್ಯತೆಯನ್ನು ಗೌರವಿಸಿ. ಮಾಡೆಲ್ ನಡವಳಿಕೆ ಮತ್ತು ಪ್ಯಾಕೇಜ್ ಆಯ್ಕೆಗಳು ಆವೃತ್ತಿಗಳ ನಡುವೆ ಬದಲಾಗಬಹುದು.

ಪದೇ ಪದೇ ಕೇಳಲಾಗುವ ಪ್ರಶ್ನೆಗಳು

• rembg ಎಂದರೇನು? — ಡೀಪ್-ಲರ್ನಿಂಗ್ ಮಾಡೆಲ್‌ಗಳನ್ನು, ಪ್ರಾಥಮಿಕವಾಗಿ U²-Net ಅನ್ನು ಬಳಸಿ ಚಿತ್ರದ ಬ್ಯಾಕ್‌ಗ್ರೌಂಡ್‌ಗಳನ್ನು ತೆಗೆದುಹಾಕುವ ಓಪನ್ ಸೋರ್ಸ್ Python ಟೂಲ್ ಮತ್ತು ಲೈಬ್ರರಿ.
• ಡಿಫಾಲ್ಟ್ ಆಗಿ rembg ಯಾವ ಮಾಡೆಲ್ ಅನ್ನು ಬಳಸುತ್ತದೆ? — u2net, ಪೂರ್ಣ U²-Net ಸೇಲಿಯೆಂಟ್-ಆಬ್ಜೆಕ್ಟ್-ಡಿಟೆಕ್ಷನ್ ಮಾಡೆಲ್.
• U²-Net ಎಂದರೇನು? — ನೆಸ್ಟೆಡ್ ಟೂ-ಲೆವೆಲ್ U-ಸ್ಟ್ರಕ್ಚರ್ ಹೊಂದಿರುವ 2020 ರ ನ್ಯೂರಲ್ ನೆಟ್‌ವರ್ಕ್, ಇದು ಯಾವ ಪಿಕ್ಸೆಲ್‌ಗಳು ಅತ್ಯಂತ ಪ್ರಮುಖ ವಸ್ತುಗಳಿಗೆ ಸೇರಿವೆ ಎಂದು ಊಹಿಸುತ್ತದೆ, ಇದನ್ನು ಸೇಲಿಯೆನ್ಸಿ ಮಾಸ್ಕ್ ಆಗಿ ಔಟ್‌ಪುಟ್ ಮಾಡುತ್ತದೆ.
• rembg ಉಚಿತ ಮತ್ತು ಓಪನ್ ಸೋರ್ಸ್ ಆಗಿದೆಯೇ? — ಹೌದು, ಇದು MIT-ಪರವಾನಗಿ ಹೊಂದಿದೆ ಮತ್ತು ಬಳಸಲು ಉಚಿತವಾಗಿದೆ.
• ನನಗೆ GPU ಅಗತ್ಯವಿದೆಯೇ? — ಇಲ್ಲ. ಇದು ONNX ರನ್‌ಟೈಮ್ ಮೂಲಕ CPU ನಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ; GPU ದೊಡ್ಡ ಬ್ಯಾಚ್‌ಗಳನ್ನು ಮಾತ್ರ ವೇಗಗೊಳಿಸುತ್ತದೆ.
• ಕೂದಲಿನ ಸುತ್ತಲೂ ನಾನು ಸ್ವಚ್ಛವಾದ ಅಂಚುಗಳನ್ನು ಹೇಗೆ ಪಡೆಯುವುದು? — ಸಕ್ರಿಯಗೊಳಿಸಿ alpha_matting=True, ಅಥವಾ ಇದರಂತಹ ಉತ್ತಮ-ಗುಣಮಟ್ಟದ ಮಾಡೆಲ್ ಬಳಸಿ isnet-general-use ಅಥವಾ birefnet-general.
• ಜನರಿಗೆ ಯಾವ ಮಾಡೆಲ್ ಉತ್ತಮ? — u2net_human_seg, ಇದು ಮಾನವ ಆಕೃತಿಗಳಿಗಾಗಿ ಟ್ಯೂನ್ ಆಗಿದೆ.
• ಮಾಡೆಲ್‌ಗಳನ್ನು ಎಲ್ಲಿ ಶೇಖರಿಸಿಡಲಾಗಿದೆ? — ಇದರಲ್ಲಿ ~/.u2net/, ಮೊದಲ ಬಳಕೆಯಲ್ಲಿ ಒಮ್ಮೆ ಡೌನ್‌ಲೋಡ್ ಮಾಡಲಾಗುತ್ತದೆ ಮತ್ತು ನಂತರ ಆಫ್‌ಲೈನ್‌ನಲ್ಲಿ ಬಳಸಲಾಗುತ್ತದೆ.

ಟ್ಯಾಗ್‌ಗಳು

#python #machine-learning #image-processing #rembg #u2net #computer-vision #deep-learning #background-removal #onnx #open-source