一句話
去背以前意味著把照片傳到一臺有顯示卡的伺服器上。現在不必了。一個小到可以一次性下載（44 MB）的分割模型可以在瀏覽器裡跑：機器支援 WebGPU 時，一張照片遠不到一秒；不支援時，同一個模型在 CPU 上跑 15–25 秒。兩種情況下照片都不離開裝置。這個模型對背景分明的人物、商品、動物效果好，對髮絲疊在髮絲上、玻璃，以及任何連攝影師都看不清邊緣的東西效果差。
模型是什麼
工具用的是 ISNet，來自論文 Highly Accurate Dichotomous Image Segmentation（Qin 等，ECCV 2022）。“Dichotomous”（二分）的意思是任務是二元的：每個畫素，是前景還是不是。ISNet 在 DIS5K 資料集上訓練——五千張高解析度圖片，配有極其精細的畫素級蒙版，物件是腳踏車、椅子、樹這類東西，選它們正因為細枝細杈會打敗早先的模型。對 1024 × 1024 的輸入，它輸出一張 1024 × 1024 的機率圖；工具對這張圖取閾值、羽化邊緣，作為 PNG 的 alpha 通道。
權重以 Apache-2.0 釋出。本站自己託管，切成三段以便斷點續傳，第一次用過之後快取在瀏覽器裡：第二張照片不再下載任何東西。
“在瀏覽器裡”為什麼現在做得到
兩樣東西得先存在。ONNX Runtime Web 在 JavaScript 裡執行訓練好的模型，算術運算要麼由 WebAssembly 在 CPU 上做，要麼——從 2023 年起——由 WebGPU 做，那是把顯示卡開放給通用計算的瀏覽器 API。一次分割前向傳播是幾千億次乘加，顯示卡就是為這個造的，單個 CPU 執行緒不是。
本站工具自己的數字，同樣是 1024 畫素輸入：
| 路徑 | 在哪跑 | 每張耗時 |
|---|---|---|
| WebGPU | Chrome / Edge 113+、Safari 26+，帶任何現代顯示卡的筆記本或桌上型電腦 | 不到 1 秒 |
| WebAssembly | 任何瀏覽器，單執行緒 | 15–25 秒 |
WebAssembly 路徑是故意單執行緒的。多執行緒 WASM 要求頁面處於跨源隔離狀態，那個響應頭會擋掉所有第三方指令碼——包括養活這個站的廣告程式碼。單執行緒慢，但頁面得以免費；活兒被挪進 Web Worker，所以它在磨的時候介面不卡。
記憶體是另一個約束：執行時加模型加中間啟用值需要大約 200 MB 空閒記憶體。4 GB 記憶體的手機在 CPU 路徑上撐得住；一些更老的手機根本分配不出這塊緩衝區，工具會直接說明，而不是讓分頁崩掉。
它做不好的，實話實說
- 髮絲對著相近的背景。 深色頭髮對深色牆、金髮對米色窗簾。模型看不到邊緣，因為畫素里根本沒有邊緣。蒙版要麼吃掉頭髮，要麼留一圈牆。
- 透明和反光的東西。 玻璃、水、主體前面的酒杯。分割是二元的；玻璃既不是前景也不是背景，結果是一條硬邊穿過它。
- 運動模糊。 模糊的邊緣沒有唯一正確的分界線。
- 多個主體。 模型保留它認為是“主體”的一切；兩個人通常都留，一個人和一條大狗可能只留一個。
- 很小的主體。 輸入長邊 1024 px；一張遠景裡 60 px 高的人，變成蒙版裡的幾十個畫素，出來是一團。
乾淨的商品圖、素牆前的人像、地板上的寵物、紙上的 logo，它很可靠——訓練集裡裝滿的就是這些。
拿到結果之後
輸出是帶真實透明通道的 PNG。這是放進幻燈片、商品頁或另一張照片的正確格式，也是發郵件的錯誤格式——1200 萬畫素的 PNG 去背有 20–30 MB。目的地要小檔案又不需要透明，就轉成白底 JPEG；需要透明又要更小，帶 alpha 的 WebP 是 PNG 的三分之一。壓縮兩種都能處理。