rembg-യും U²-Net-ഉം ഉപയോഗിച്ചുള്ള ബാക്ക്ഗ്രൗണ്ട് റിമൂവൽ: പൂർണ്ണമായ, പ്രായോഗിക വഴികാട്ടി

ഒരു ഇമേജിൽ നിന്ന് ബാക്ക്ഗ്രൗണ്ട് നീക്കം ചെയ്യുകയെന്നാൽ, മുൻപ് ഒരു എഡിറ്റർ തുറന്ന്, വിഷയത്തിന് ചുറ്റും ട്രേസ് ചെയ്ത്, അരികുകൾ സ്വയം വൃത്തിയാക്കുക എന്നതായിരുന്നു. ഓഗസ്റ്റ് 7, 2026 പ്രകാരം, നിങ്ങൾക്ക് ഒരൊറ്റ വരി കോഡിൽ ഇത് ചെയ്യാം — ഓഫ്‌ലൈനായി, സൗജന്യമായി — ഈ ഓപ്പൺ സോഴ്‌സ് ടൂളിന് നന്ദി: rembg ഇത് പ്രവർത്തിക്കുന്ന ഡീപ്പ് ലേണിംഗ് മോഡലും, U²-Net. ഇത് ഓരോന്നും എന്താണെന്നും, അവ എങ്ങനെ ഒരുമിച്ച് പ്രവർത്തിക്കുന്നുവെന്നും വിശദീകരിക്കുന്നു, കൂടാതെ നിങ്ങൾക്ക് ഇന്നുതന്നെ പ്രവർത്തിപ്പിക്കാൻ കഴിയുന്ന കോപ്പി-പേസ്റ്റ് ഉദാഹരണങ്ങളും നൽകുന്നു.

ഇപ്പോൾ എന്തിന്? ബാക്ക്ഗ്രൗണ്ട് റിമൂവൽ നിശബ്ദമായി എല്ലായിടത്തുമുണ്ട്: വെളുത്ത പശ്ചാത്തലത്തിലുള്ള ഇ-കൊമേഴ്‌സ് ഉൽപ്പന്ന ചിത്രങ്ങൾ, പ്രൊഫൈൽ അവതാറുകൾ, ലഘുചിത്രങ്ങൾ, സ്റ്റിക്കർ പാക്കുകൾ, ഐഡി ഫോട്ടോകൾ, മറ്റ് മോഡലുകൾക്കുള്ള ഡാറ്റാസെറ്റ് തയ്യാറാക്കൽ, കൂടാതെ ആപ്പ് ഐക്കണുകൾ. ക്ലൗഡ് API-കൾ ഓരോ ഇമേജിനും പണം ഈടാക്കുകയും നിങ്ങളുടെ ചിത്രങ്ങൾ ഒരു മൂന്നാം കക്ഷിക്ക് അയയ്ക്കുകയും ചെയ്യുന്നു. rembg ഇതേ ജോലി പ്രാദേശികമായി ചെയ്യുന്നു, ഇത് ലാഭകരവും സ്വകാര്യവും സ്ക്രിപ്റ്റബിളും ആണ്.

പ്രശ്നം: പശ്ചാത്തലത്തിൽ നിന്ന് വിഷയത്തെ വേർതിരിക്കൽ

ഈ ജോലിയുടെ സാങ്കേതിക നാമം ഇതാണ് സാലിയൻ്റ് ഒബ്ജക്റ്റ് ഡിറ്റക്ഷൻ (salient object detection) (SOD): ഒരു ഇമേജിലെ ഏറ്റവും കൂടുതൽ ദൃശ്യമാകുന്ന ഒബ്ജക്റ്റ് ഉണ്ടാക്കുന്ന പിക്സലുകൾ കണ്ടെത്തുന്നു. ഓരോ പിക്സലിനുമുള്ള "ഇതാണോ വിഷയം?" എന്ന മാപ്പ് ലഭിച്ചു കഴിഞ്ഞാൽ, ബാക്ക്ഗ്രൗണ്ട് നീക്കം ചെയ്യുക എന്നത് ബാക്കിയുള്ളവ സുതാര്യമാക്കുക (transparent) മാത്രമാണ്. അതിനാൽ മായ്ക്കുക എന്നതല്ല കഠിനമായ ഭാഗം — കൃത്യമായ ഒരു മാസ്ക് നിർമ്മിക്കുക എന്നതാണ്, പ്രത്യേകിച്ച് മുടി, രോമങ്ങൾ, ഗ്ലാസ് എന്നിവ പോലുള്ള തന്ത്രപ്രധാനമായ അരികുകളിൽ.

എന്താണ് U²-Net?

2020-ൽ പ്രസിദ്ധീകരിച്ച സാലിയൻ്റ് ഒബ്ജക്റ്റ് ഡിറ്റക്ഷന് വേണ്ടിയുള്ള ഒരു ഡീപ്പ് ന്യൂറൽ നെറ്റ്‌വർക്കാണ് U²-Net ("യു-സ്ക്വയേർഡ് നെറ്റ്" എന്ന് ഉച്ചരിക്കുന്നു). ഇതിൻ്റെ പ്രധാന ആശയം ഇതാണ് നെസ്റ്റഡ്, രണ്ട് തലത്തിലുള്ള യു-ഘടന (nested, two-level U-structure). ഒരു ക്ലാസിക് യു-നെറ്റിന് ഫീച്ചറുകൾ പഠിക്കുമ്പോൾ ഇമേജ് ചുരുക്കുന്ന ഒരു എൻകോഡറും, പൂർണ്ണ റെസല്യൂഷൻ മാസ്കിലേക്ക് അതിനെ വീണ്ടും വികസിപ്പിക്കുന്ന ഒരു ഡീകോഡറും ഉണ്ട്. U²-Net ചെറിയ യു-ആകൃതിയിലുള്ള ഒരു ബ്ലോക്ക് നൽകുന്നു — ഇതിനെ വിളിക്കുന്നത് റസിഡ്യൂവൽ യു-ബ്ലോക്ക് (RSU) — വലിയ യു-ആകൃതിയിലുള്ള നെറ്റ്‌വർക്കിൻ്റെ ഓരോ ഘട്ടത്തിലുമാണിത്. ആ "യു-വിന് ഉള്ളിലെ യു" (U inside a U) അതിനെ അസാധ്യമാംവിധം ഭാരമുള്ളതാക്കാതെ തന്നെ ചെറിയ വിശദാംശങ്ങളും വലിയ തോതിലുള്ള സന്ദർഭവും പകർത്താൻ അനുവദിക്കുന്നു.

ഔട്ട്പുട്ട് ഒരു കളർ ഇമേജല്ല. ഇതൊരു ഗ്രേസ്കെയിൽ ആണ് സാലിയൻസി മാപ്പ് (saliency map): ഓരോ പിക്സലിനും 0 (ബാക്ക്ഗ്രൗണ്ട്) മുതൽ 1 (വിഷയം) വരെയുള്ള ഒരു മൂല്യം ലഭിക്കുന്നു. rembg ആ മാപ്പ് എടുക്കുന്നു, ഇത് ഇങ്ങനെ ഉപയോഗിക്കുന്നു ആൽഫാ ചാനൽ (alpha channel), കൂടാതെ നിങ്ങൾക്ക് സുതാര്യമായ ഒരു PNG നൽകുന്നു.

രണ്ട് വലുപ്പങ്ങൾ വ്യാപകമായി ഉപയോഗിക്കുന്നു:

• u2net — പൂർണ്ണ മോഡൽ, ഏകദേശം 176 MB, മികച്ച പൊതുവായ കൃത്യത.
• u2netp — ലഘുവായ പതിപ്പ്, 5 MB-യിൽ താഴെ, വളരെ വേഗതയുള്ളതും ചെറുതും, കൃത്യത അല്പം കുറവാണ്.

എന്താണ് rembg?

വളരെ ലളിതമായ ഇൻ്റർഫേസിന് പിന്നിൽ U²-Net — കൂടാതെ പുതിയ നിരവധി മോഡലുകൾ — ഉൾക്കൊള്ളുന്ന ഒരു ഓപ്പൺ-സോഴ്സ് (MIT ലൈസൻസുള്ള) പൈത്തൺ ടൂളും ലൈബ്രറിയുമാണ് rembg. ഇത് മോഡലുകൾ പ്രവർത്തിപ്പിക്കുന്നത് ഇതിലൂടെയാണ് ONNX Runtime, അതിനാൽ ഇത് സാധാരണ CPU-വിലും ആവശ്യമെങ്കിൽ GPU-വിലും പ്രവർത്തിക്കുന്നു. ആദ്യ ഉപയോഗത്തിൽ ഇത് മോഡൽ വെയ്റ്റുകൾ ഡൗൺലോഡ് ചെയ്യുകയും കാഷെ ചെയ്യുകയും ചെയ്യുന്നു ~/.u2net/, പിന്നീട് പൂർണ്ണമായും ഓഫ്‌ലൈനായി പ്രവർത്തിക്കുന്നു.

നിങ്ങൾക്ക് ഇത് മൂന്ന് തരത്തിൽ ഉപയോഗിക്കാം: കമാൻഡ്-ലൈൻ ടൂൾ, പൈത്തൺ ഫംഗ്ഷൻ, ചെറിയ HTTP സെർവർ.

ഘട്ടം 1: ഇൻസ്റ്റാൾ ചെയ്യുക

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

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

നിങ്ങൾ ആദ്യമായി ഏതെങ്കിലും കമാൻഡ് പ്രവർത്തിപ്പിക്കുമ്പോൾ, rembg മോഡൽ ലഭ്യമാക്കുന്നത് ഇതിലേക്കാണ് ~/.u2net/ (ഒറ്റത്തവണ, ഡിഫോൾട്ട് മോഡലിന് ~176 MB). അതിനുശേഷം ഇത് ഓഫ്‌ലൈനിലാണ്.

ഘട്ടം 2: ബാക്ക്ഗ്രൗണ്ട് നീക്കം ചെയ്യുക

ഇത് പരീക്ഷിക്കുന്നതിനുള്ള ഏറ്റവും വേഗമേറിയ മാർഗ്ഗമാണ് കമാൻഡ് ലൈൻ:

# 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-യും ചെറുതാണ്. PIL ഇമേജ് ഉപയോഗിച്ച് പ്രവർത്തിക്കുന്നത് ഏറ്റവും വ്യക്തമായ രീതിയാണ്:

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

നിങ്ങൾ റോ ബൈറ്റുകൾ (raw bytes) ഇഷ്ടപ്പെടുന്നുവെങ്കിൽ (വെബ് ഹാൻഡ്‌ലറിനോ പൈപ്പ്‌ലൈനിനോ വേണ്ടി):

from rembg import remove

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

ഘട്ടം 3: കൂടുതൽ മുന്നോട്ട് പോകുക — മോഡലുകൾ, വ്യക്തമായ അരികുകൾ, പുതിയ പശ്ചാത്തലങ്ങൾ

ശരിയായ മോഡൽ തിരഞ്ഞെടുക്കുക

rembg നിരവധി മോഡലുകളെ പിന്തുണയ്ക്കുന്നു; ഇതുപയോഗിച്ച് നിങ്ങൾക്ക് ഒരെണ്ണം തിരഞ്ഞെടുക്കാം -m CLI-ലോ അല്ലെങ്കിൽ ഒരു സെഷനിലോ (session) പൈത്തണിൽ. വ്യത്യസ്ത മോഡലുകൾ വ്യത്യസ്ത വിഷയങ്ങൾക്ക് അനുയോജ്യമാണ്:

മോഡൽ	ഇതിന് ഏറ്റവും മികച്ചത്	കുറിപ്പുകൾ
u2net	പൊതുവായ ഉദ്ദേശ്യം (ഡിഫോൾട്ട്)	സന്തുലിതമായ കൃത്യത, ~176 MB
u2netp	വേഗത / കുറഞ്ഞ മെമ്മറി	വളരെ ചെറുത് (<5 MB), അല്പം പരുക്കനായത്
u2net_human_seg	ആളുകൾ / പോർട്രെയ്റ്റുകൾ	മനുഷ്യ രൂപങ്ങൾക്കായി ട്യൂൺ ചെയ്തത്
isnet-general-use	മൂർച്ചയുള്ള പൊതുവായ മാസ്കുകൾ	പലപ്പോഴും u2net-നേക്കാൾ വ്യക്തമാണ്
silueta	u2net കൃത്യത, ചെറിയ വലിപ്പം	~43 MB ഡ്രോപ്പ്-ഇൻ
birefnet-general	ഏറ്റവും ഉയർന്ന നിലവാരമുള്ള അരികുകൾ	വലുതും വേഗത കുറഞ്ഞതും, മുടിയിൽ മികച്ച രീതിയിൽ പ്രവർത്തിക്കുന്നത്

# 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"))

ആൽഫാ മാറ്റിംഗ് ഉപയോഗിച്ച് ചെറിയ അരികുകൾ വൃത്തിയാക്കുക

റോ മാസ്ക് കത്രിക കൊണ്ട് മുറിച്ചതുപോലെ കാണപ്പെടുന്നത് മുടിയിലും മൃദുവായ അരികുകളിലുമാണ്. rembg-യിൽ ബിൽറ്റ്-ഇൻ ആയി ഇതുണ്ട് ആൽഫാ മാറ്റിംഗ് (alpha matting) ആ മാറ്റങ്ങളെ മൃദുവാക്കാനും മെച്ചപ്പെടുത്താനും:

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")

ഇത് മന്ദഗതിയിലുള്ളതാണ്, എന്നാൽ പോർട്രെയ്റ്റുകളിലും രോമമുള്ള മൃഗങ്ങളിലുമുള്ള വ്യത്യാസം നാടകീയമാണ്.

ബാക്ക്ഗ്രൗണ്ട് നീക്കം ചെയ്യുന്നതിനുപകരം അത് മാറ്റുക

ഒരു സുതാര്യമായ PNG ആണ് മിക്കപ്പോഴും ആദ്യ ഘട്ടം. വിഷയത്തെ ഒരു സോളിഡ് നിറത്തിൽ സ്ഥാപിക്കാൻ (ഉദാഹരണത്തിന്, വെള്ള ഇ-കൊമേഴ്‌സ് ബാക്ക്ഗ്രൗണ്ട്), അത് കോമ്പോസിറ്റ് ചെയ്യുക:

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")

നിറം മാറ്റുക, അല്ലെങ്കിൽ പശ്ചാത്തലമായി മറ്റൊരു ഫോട്ടോ ഉപയോഗിക്കുക, അങ്ങനെ ഏതാനും വരികളിൽ നിങ്ങൾക്ക് പൂർണ്ണമായ ഒരു കോമ്പോസിറ്റിംഗ് പൈപ്പ്‌ലൈൻ ലഭിക്കും.

യഥാർത്ഥ ഉദാഹരണം: സുതാര്യമായ പ്രൊഫൈൽ ബാഡ്ജ്

ഇതൊരു എൻഡ്-ടു-എൻഡ് സന്ദർഭമാണ്. നിങ്ങൾക്ക് ഒരു പോർട്രെയ്റ്റ് വൃത്താകൃതിയിലുള്ളതും സുതാര്യവുമായ "ബാഡ്ജ്" ആക്കി മാറ്റണം എന്ന് കരുതുക — വ്യക്തിയെ മുറിച്ചെടുത്ത് ഒരു സർക്കിളിൽ ഫ്രെയിം ചെയ്യുന്നു, ബാക്കിയുള്ളവയെല്ലാം സുതാര്യമാണ്, അതിനാൽ ഇത് ഒഴുകിനടക്കുന്ന ഒരു സ്റ്റിക്കർ പോലെ കാണപ്പെടുന്നു.

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

ഫോട്ടോ അടിസ്ഥാനമാക്കിയുള്ള ആപ്പ് ഐക്കണുകൾക്കും പ്രൊഫൈൽ ബാഡ്ജുകൾക്കും പിന്നിലെ കൃത്യമായ പാറ്റേൺ അതാണ്: rembg കഠിനമായ ജോലി ചെയ്യുന്നു (വ്യക്തിയെ കണ്ടെത്തുന്നു), കൂടാതെ PIL-ൻ്റെ കുറച്ച് വരികൾ ഫ്രെയിമിംഗ് ചെയ്യുന്നു.

ഇത് അവസാനം വരെ എങ്ങനെ പ്രവർത്തിക്കുന്നു

1. rembg നിങ്ങളുടെ ഇമേജിൻ്റെ വലുപ്പം മാറ്റുകയും ONNX Runtime വഴി U²-Net മോഡലിന് നൽകുകയും ചെയ്യുന്നു.
2. U²-Net ഒരു സാലിയൻസി മാപ്പ് ഔട്ട്പുട്ട് ചെയ്യുന്നു — ഏതൊക്കെ പിക്സലുകളാണ് വിഷയം എന്നതിൻ്റെ ഗ്രേസ്കെയിൽ കണക്കുകൂട്ടൽ.
3. rembg ആ മാപ്പിനെ യഥാർത്ഥ അളവുകളിലേക്ക് തിരികെ മാറ്റുകയും അത് ആൽഫാ ചാനലായി ഉപയോഗിക്കുകയും ചെയ്യുന്നു.
4. വേണമെങ്കിൽ, ആൽഫാ മാറ്റിംഗ് വിഷയവും പശ്ചാത്തലവും തമ്മിലുള്ള അതിർത്തി മെച്ചപ്പെടുത്തുന്നു.
5. നിങ്ങൾക്ക് പശ്ചാത്തലം ഒഴിവാക്കിയ ഒരു RGBA ഇമേജ് ലഭിക്കും.

പ്രവർത്തനവും പ്രായോഗിക നുറുങ്ങുകളും

• CPU മതിയാകും വല്ലപ്പോഴുമുള്ള ഉപയോഗത്തിന്; വലുപ്പവും മോഡലും അനുസരിച്ച് ഒരു ഇമേജിന് ഏകദേശം ഒരു സെക്കൻഡോ അതിൽ കൂടുതലോ പ്രതീക്ഷിക്കുക. ഇൻസ്റ്റാൾ ചെയ്യുക rembg[gpu] കൂടാതെ ബാച്ചുകൾക്കായി ഒരു CUDA സെറ്റപ്പ് ഉപയോഗിക്കുക.
• ഒരു സെഷൻ വീണ്ടും ഉപയോഗിക്കുക (new_session(...)) ഒന്നിലധികം ഇമേജുകൾക്ക് കുറുകെ — ഇത് സൃഷ്ടിക്കുന്നതാണ് സാവധാനത്തിലുള്ള ഭാഗം, അതിനാൽ ഒരിക്കൽ മാത്രം ചെയ്യുക.
• വലിയ ഇൻപുട്ടുകൾ ഡൗൺസ്‌കെയിൽ ചെയ്യുക പ്രോസസ്സിംഗിന് മുൻപ്, നിങ്ങൾക്ക് വെബ് വലിപ്പത്തിലുള്ള ഫലം മാത്രം മതിയെങ്കിൽ; ഇത് വേഗതയുള്ളതാണ് കൂടാതെ മാസ്ക് പൊതുവെ മികച്ചതുമായിരിക്കും.
• കാഷെ (Cache) ഇവിടെയുണ്ട് ~/.u2net/ — നിങ്ങളുടെ ഡോക്കർ (Docker) ഇമേജിൽ മോഡലുകൾ മുൻകൂട്ടി ഡൗൺലോഡ് ചെയ്യുക, അതിനാൽ പ്രൊഡക്ഷൻ റൺടൈമിൽ അവ ഒരിക്കലും ഡൗൺലോഡ് ചെയ്യുന്നില്ല.
• ഔട്ട്പുട്ട് PNG (അല്ലെങ്കിൽ WebP) ആയിരിക്കണം സുതാര്യത നിലനിർത്താൻ; JPG സുതാര്യമായ ഭാഗത്ത് കറുപ്പ് നിറം നൽകും.

2026-ൽ ഇത് പ്രധാനമായിരിക്കുന്നത് എന്തുകൊണ്ട്

യു-സ്ക്വയേർഡ് നെറ്റ് പോലുള്ള പ്രാദേശിക, ഓപ്പൺ സോഴ്‌സ് മോഡലുകൾ, ഒരു കാലത്ത് ഒരു ഡിസൈനർ അല്ലെങ്കിൽ പണമടച്ചുള്ള എപിഐ ആവശ്യമായിരുന്ന ജോലിയെ ഒരു സ്ക്രിപ്റ്റബിൾ, സ്വകാര്യ, സീറോ-കോസ്റ്റ് ഘട്ടമാക്കി മാറ്റി. ആ രാത്രി ആയിരക്കണക്കിന് ഉൽപ്പന്ന ചിത്രങ്ങളുടെ ബാച്ച് പൈപ്പ്‌ലൈനുകൾ, നിങ്ങളുടെ ഫോട്ടോകൾ ഒരിക്കലും അപ്‌ലോഡ് ചെയ്യാത്ത ഓൺ-ഡിവൈസ് ആപ്പുകൾ, അവതാറുകൾ, സ്റ്റിക്കറുകൾ തുടങ്ങിയ ക്രിയേറ്റീവ് ഓട്ടോമേഷനുകൾ എന്നിവ ഇത് സാധ്യമാക്കുന്നു. ആ ശേഷിയിലേക്കുള്ള മികച്ച പ്രവേശന കവാടമാണ് rembg.

ഉപസംഹാരം

rembg ഒരു വരിയിൽ പ്രൊഡക്ഷൻ-ഗ്രേഡ് ബാക്ക്ഗ്രൗണ്ട് റിമൂവൽ നൽകുന്നു, കൂടാതെ U²-Net ആണ് അടിയിൽ യഥാർത്ഥ ജോലി ചെയ്യുന്ന സാലിയൻ്റ്-ഒബ്ജക്റ്റ് മോഡൽ. ഡിഫോൾട്ട് ഉപയോഗിച്ച് ആരംഭിക്കുക u2net, ഇതിലേക്ക് മാറുക u2net_human_seg ആളുകൾക്ക്, അരികുകൾ പ്രധാനമാകുമ്പോൾ ആൽഫാ മാറ്റിംഗ് തിരഞ്ഞെടുക്കുക, നിങ്ങൾക്ക് ഒരു കട്ട്-ഔട്ടിനേക്കാൾ കൂടുതൽ ആവശ്യമുള്ളപ്പോൾ പുതിയ പശ്ചാത്തലത്തിലേക്ക് സംയോജിപ്പിക്കുക.

ഗുണങ്ങൾ

• ബാക്ക്ഗ്രൗണ്ട് നീക്കം ചെയ്യാൻ ഒരു വരി; സ്വതന്ത്രവും ഓപ്പൺ സോഴ്സും (MIT).
• ഓഫ്‌ലൈനായും പ്രാദേശികമായും പ്രവർത്തിക്കുന്നു — സ്വകാര്യവും വിലകുറഞ്ഞതും, പ്രതി-ഇമേജ് API ഫീസുകളില്ല.
• വ്യത്യസ്ത വിഷയങ്ങൾക്ക് ഒന്നിലധികം മോഡലുകൾ, കൂടാതെ വ്യക്തമായ അരികുകൾക്കായി ആൽഫാ മാറ്റിംഗ്.
• ഒരു CLI, പൈത്തൺ ലൈബ്രറി അല്ലെങ്കിൽ ഒരു HTTP സെർവർ ആയി പ്രവർത്തിക്കുന്നു; CPU അല്ലെങ്കിൽ GPU.

ദോഷങ്ങൾ

• ആദ്യത്തെ റൺ ഒരു വലിയ മോഡൽ ഡൗൺലോഡ് ചെയ്യുന്നു (ഡിഫോൾട്ടിന് ~176 MB).
• വളരെ വലിയ ഇമേജുകളുടെയോ വലിയ ബാച്ചുകളുടെയോ CPU പ്രോസസ്സിംഗ് മന്ദഗതിയിലാകാം.
• വളരെ ചെറിയ വിശദാംശങ്ങൾക്ക് (പറക്കുന്ന മുടി, സുതാര്യമായ ഗ്ലാസ്) ഇപ്പോഴും ആൽഫാ മാറ്റിംഗ് അല്ലെങ്കിൽ BiRefNet പോലെയുള്ള ഭാരമേറിയ മോഡൽ ആവശ്യമാണ്.
• വ്യക്തമായ ഒരൊറ്റ വിഷയം ഇല്ലാത്ത തിരക്കേറിയ ദൃശ്യങ്ങളിൽ കൃത്യത കുറയുന്നു.

മുന്നറിയിപ്പ്

ഈ ലേഖനം വിദ്യാഭ്യാസ ആവശ്യങ്ങൾക്കുള്ളതാണ്. ഉദാഹരണ ഫയലുകളുടെ പേരുകളും പാതകളും മാറ്റി നിങ്ങളുടേത് നൽകുക, അവയെ ആശ്രയിക്കുന്നതിന് മുമ്പ് നിലവിലെ rembg ഡോക്യുമെന്റേഷൻ ഉപയോഗിച്ച് മോഡൽ നാമങ്ങൾ പരിശോധിക്കുക, കൂടാതെ നിങ്ങൾ പ്രോസസ്സ് ചെയ്യുന്ന ഏത് ഇമേജുകളുടെയും പകർപ്പവകാശവും സ്വകാര്യതയും മാനിക്കുക. മോഡൽ സ്വഭാവവും പാക്കേജ് ഓപ്ഷനുകളും പതിപ്പുകൾക്കിടയിൽ മാറിയേക്കാം.

പതിവായി ചോദിക്കുന്ന ചോദ്യങ്ങൾ

• എന്താണ് rembg? — പ്രധാനമായും U²-Net പോലെയുള്ള ഡീപ്പ് ലേണിംഗ് മോഡലുകൾ ഉപയോഗിച്ച് ഇമേജ് പശ്ചാത്തലങ്ങൾ നീക്കം ചെയ്യുന്ന ഒരു ഓപ്പൺ സോഴ്‌സ് പൈത്തൺ ടൂളും ലൈബ്രറിയും.
• ഡിഫോൾട്ടായി rembg ഏത് മോഡലാണ് ഉപയോഗിക്കുന്നത്? — u2net, പൂർണ്ണമായ U²-Net സാലിയൻ്റ്-ഒബ്ജക്റ്റ്-ഡിറ്റക്ഷൻ മോഡൽ.
• എന്താണ് U²-Net? — ഏറ്റവും പ്രമുഖമായ വസ്തുവിൻ്റേത് ഏതൊക്കെ പിക്സലുകളാണെന്ന് പ്രവചിക്കുന്ന, നെസ്റ്റഡ് രണ്ട് ലെവൽ യു-ഘടനയുള്ള 2020-ലെ ഒരു ന്യൂറൽ നെറ്റ്‌വർക്ക്, ഇതൊരു സാലിയൻസി മാസ്കായി ഔട്ട്പുട്ട് നൽകുന്നു.
• rembg സൗജന്യവും ഓപ്പൺ സോഴ്‌സും ആണോ? — അതെ, ഇതിന് MIT ലൈസൻസുണ്ട്, ഉപയോഗിക്കാൻ സൗജന്യവുമാണ്.
• എനിക്ക് ഒരു GPU ആവശ്യമുണ്ടോ? — ഇല്ല. ഇത് ONNX Runtime വഴി CPU-വിൽ പ്രവർത്തിക്കുന്നു; ഒരു GPU വലിയ ബാച്ചുകളെ വേഗത്തിലാക്കാൻ മാത്രമേ സഹായിക്കൂ.
• മുടിക്ക് ചുറ്റും എനിക്ക് എങ്ങനെ വ്യക്തമായ അരികുകൾ ലഭിക്കും? — ഇത് പ്രവർത്തനക്ഷമമാക്കുക alpha_matting=True, അല്ലെങ്കിൽ ഇതുപോലുള്ള ഉയർന്ന നിലവാരമുള്ള മോഡൽ ഉപയോഗിക്കുക isnet-general-use അല്ലെങ്കിൽ birefnet-general.
• ആളുകൾക്ക് ഏറ്റവും മികച്ച മോഡൽ ഏതാണ്? — u2net_human_seg, ഇത് മനുഷ്യ രൂപങ്ങൾക്കായി ട്യൂൺ ചെയ്തതാണ്.
• മോഡലുകൾ എവിടെയാണ് സൂക്ഷിച്ചിരിക്കുന്നത്? — ഇവിടെ ~/.u2net/, ആദ്യ ഉപയോഗത്തിൽ ഒരിക്കൽ ഡൗൺലോഡ് ചെയ്യുകയും തുടർന്ന് ഓഫ്‌ലൈനായി ഉപയോഗിക്കുകയും ചെയ്യുന്നു.

ടാഗുകൾ

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