一句话看懂：Feyn 团队开源了基于 BiRefNet 优化的背景移除模型 FeyNoBg，参数从 222M 微增至 263M，使用 10 个数据集共 26,100 张图像混合训练，在 8 个主流基准上 4 项取得最佳 S-measure 分数，同时发布了配套的 NoBg 推理库，在批量处理时吞吐量更高、延迟更低、内存占用更小。
事件核心：发生了什么
近日，Feyn 团队正式推出背景移除开源模型 FeyNoBg，并在开源社区同步发布了底层 Python 库 NoBg。该模型基于开源的 BiRefNet 架构进行深度优化，将关键特征提取阶段的模块从 18 个扩展至 24 个，参数量从 222M 提升到 263M，同时保留了原预训练权重。训练策略上，团队突破了单一数据集限制，收集并清洗了包含复杂场景、高分辨率图像、伪装物体、动漫等在内的 10 个数据集，总计 26,100 张图像进行多源混合训练，并统一转换为二值掩码。在 8 个主流基准测试中，FeyNoBg 在 4 项上取得最佳 S-measure 分数，其余测试成绩也与第一集团非常接近。当前模型已上架 Hugging Face，用户可通过“FeyNoBg on Hugging Face”获取，也可在 GitHub 上查看完整实现。
为什么重要
背景移除是图像处理和内容创作中的高频需求，此前开源方案多以 BiRefNet 等架构为主，但往往在边缘细节（如毛发、半透明纱）和大规模推理时存在瓶颈。FeyNoBg 在保持模型轻量化的前提下，通过模块扩充和多源数据训练显著提升了分割精度，尤其在四种不同场景的基准上同时达到最优，表明其泛化能力较强。同时，配套的 NoBg 推理库在效率上优于原版 BiRefNet，这意味着开发者可以在更低硬件成本下实现更高吞吐的批处理应用，对在线图像处理服务、电商商品图自动抠图、视频合成等场景具有直接价值。
对用户/开发者/创作者的影响
对普通用户而言，FeyNoBg 作为开源模型，可以直接通过本地或云服务进行背景移除，无需依赖闭源 API，隐私和成本都更可控。对于开发者，NoBg 库提供标准化训练和推理接口，可作为图像预处理管线的一部分快速集成；其效率优势使得在算力有限的服务器或边缘设备上运行批量抠图成为可能。对于创作者和内容团队，更高精度的边缘分割可以提升合成素材的真实感，减少后期手动修正的工作量。此外，该模型在动漫等非真实场景上也进行了专门训练，覆盖了更广泛的创作需求。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，FeyNoBg 是否会被集成到主流计算机视觉框架（如 OpenCV、Hugging Face Transformers）中，从而降低使用门槛。第二，该模型与商业背景移除服务（如 remove.bg）的性价比对比尚未公开，后续是否有团队推出基于此模型的在线 Demo 或付费 API 值得观察。第三，Feyn 团队是否会持续更新训练数据或推出针对视频帧优化的轻量版本，将影响其在动态抠图领域的落地速度。目前公开信息显示，项目仍处于早期开源阶段，社区反馈和贡献量是衡量其生态潜力的关键指标。
来源：AIbase
