BRIA RMBG 2.0 — удаление фона

Цена зависит от способа доступа. Веса модели на Hugging Face формально бесплатны, но только для некоммерческого использования по лицензии CC BY-NC 4.0 — то есть скачать и запустить для исследований или личного проекта можно без оплаты.

Для коммерческого использования есть несколько платных сценариев:

Самый простой легальный путь для бизнеса — API через fal.ai ($0,018 за изображение), где коммерческая лицензия уже покрыта провайдером. У BRIA также есть бесплатный триал (около 1000 действий) для тестирования. Прямая коммерческая лицензия у BRIA оформляется по договору и подходит для больших объёмов и enterprise-внедрений.

Частично и с оговорками. Скачать веса с Hugging Face (репозиторий briaai/RMBG-2.0) из России можно напрямую — сам файл модели открывается без ограничений. Запустить локально на своём GPU для некоммерческих задач тоже реально. Но здесь действует лицензия CC BY-NC 4.0 — только исследования и личные проекты, не бизнес.

Проблема начинается с коммерческого использования и оплаты. BRIA AI — израильская компания, а основной провайдер API (fal.ai) — американский. Оба сервиса не принимают российские карты и не заключают договоры с компаниями и физлицами из РФ напрямую. Официальную коммерческую лицензию RMBG 2.0 из России оформить сложно.

Практичные пути для российского бизнеса:

• Оплата fal.ai через зарубежную карту или посредника (Bothub, прокси-сервисы) — $0,018 за фото, лицензия уже в цене
• Использовать готовый российский сервис на архитектуре BiRefNet с оплатой в рублях — например инструмент удаления фона, где нет валютных карт и есть закрывающие документы для ИП и ООО

Если юридическая чистота именно данных обучения для вас не критична, свободный open-source BiRefNet под MIT-лицензией решает ту же задачу без правовых сложностей.

Это близкородственные модели: RMBG 2.0 построена на архитектуре BiRefNet, но с двумя принципиальными различиями.

1. Данные обучения. Оригинальный BiRefNet обучался на открытых научных датасетах (DIS5K, HRSOD, UHRSD), собранных из разных источников. RMBG 2.0 обучена на собственном датасете BRIA из более чем 15 000 полностью лицензированных изображений, вручную размеченных с попиксельной точностью и сбалансированных по категориям (люди, товары, животные, текст) и по этносу/полу.

2. Лицензия. BiRefNet — под свободной MIT-лицензией: можно использовать коммерчески без ограничений. RMBG 2.0 — под CC BY-NC 4.0 (только некоммерч.), а для бизнеса нужен отдельный договор с BRIA.

Практический вывод:

Выбирайте RMBG 2.0, если критична правовая чистота обучающих данных (enterprise, банки, медиа). Берите BiRefNet, если нужна свободная коммерческая лицензия и свой GPU.

Потому что модель обучена исключительно на лицензированных данных, и это её главное коммерческое преимущество. Большинство нейросетей для обработки изображений обучаются на данных, спарсенных из открытого интернета без явного согласия правообладателей. Это создаёт правовой риск: теоретически владелец исходного изображения может предъявить претензию к результату работы модели.

BRIA пошла другим путём. Все более 15 000 изображений в датасете RMBG 2.0 предоставлены партнёрами на легальной основе и вручную размечены. Компания даже разработала запатентованную технологию атрибуции, которая отслеживает, чей контент использовался в обучении, и позволяет справедливо вознаграждать авторов — по аналогии с тем, как Spotify платит музыкантам за прослушивания.

Почему это важно для бизнеса:

• Enterprise-заказчики (банки, госсектор, крупный ритейл) проходят внутренний compliance-аудит проще
• Нет риска судебных претензий по авторским правам обучающего датасета
• Юротдел компании даёт зелёный свет на внедрение без долгих согласований

Именно compliance-чистота, а не только качество вырезки, отличает RMBG 2.0 от многих конкурентов и оправдывает необходимость коммерческого договора с BRIA.

Локальный запуск похож на любую BiRefNet-модель и занимает 15–20 минут. Но помните: веса доступны под CC BY-NC 4.0 — только для некоммерческих задач.

Пошагово:

1. Установите Python 3.10+ и PyTorch 2.0+ с поддержкой CUDA.
2. Скачайте веса с Hugging Face из репозитория briaai/RMBG-2.0. Модель загружается через transformers.AutoModelForImageSegmentation с trust_remote_code=True.
3. Подготовьте препроцессинг: нормализация изображения, ресайз под входное разрешение модели.
4. Запустите инференс — на выходе получите 8-битную grayscale альфа-маску, которую накладываете на исходник для PNG с прозрачным фоном.

Минимальные требования:

• NVIDIA GPU от 6 ГБ VRAM (FP16)
• CUDA 11.8+
• CPU-fallback работает, но медленно — 10–15 секунд на фото

Есть готовые обёртки вроде RMBG-2-Studio (Pinokio), которые ставятся в один клик и работают на 6 ГБ. Для коммерческого продакшена локальный запуск весов с Hugging Face не подходит из-за лицензии — используйте API fal.ai или договор с BRIA.

И да, и нет — всё зависит от цели использования.

Бесплатно можно:

• Скачать веса с Hugging Face и запустить локально для некоммерческих задач — исследования, учебные проекты, личное творчество. Это разрешено лицензией CC BY-NC 4.0.
• Протестировать модель в демо-пространстве Hugging Face Spaces
• Воспользоваться бесплатным триалом BRIA (около 1000 действий на платформе)
• Попробовать бесплатный триал модели на fal.ai

Бесплатно нельзя:

• Использовать модель в коммерческом продукте, SaaS, платном сервисе или для клиентской работы — приставка «NC» (Non-Commercial) в лицензии это прямо запрещает.

Для любого бизнес-сценария нужна платная лицензия: либо через API-провайдера fal.ai ($0,018 за изображение, лицензия уже в цене), либо прямой коммерческий договор с BRIA. Если хочется полностью бесплатного варианта с коммерческой лицензией — берите open-source BiRefNet под MIT: он решает ту же задачу и свободен для бизнеса.

RMBG 2.0 построена на архитектуре BiRefNet (Bilateral Reference Network) — той же, что лежит в основе одноимённой open-source нейросети. BiRefNet создана для задачи высокоточной дихотомической сегментации изображений (Dichotomous Image Segmentation, DIS) в высоком разрешении.

Как это работает:

Модель состоит из двух ключевых модулей:

1. Модуль локализации (Localization Module, LM) — генерирует семантическую карту, то есть грубо определяет, где на изображении находится главный объект (передний план), а где фон.

2. Модуль восстановления (Restoration Module, RM) — аккуратно уточняет границы переднего плана. Использует bilateral referencing: комбинирует исходные пиксельные карты с картами градиентов (детектирование краёв), чтобы точно проработать тонкие контуры — волосы, мех, кромки.

На выходе модель выдаёт одноканальную 8-битную grayscale альфа-маску, где значение каждого пикселя от 0 (фон) до 255 (объект) описывает степень принадлежности к переднему плану. Это позволяет корректно обрабатывать полупрозрачные зоны.

BRIA доработала базовую архитектуру собственной схемой обучения на лицензированном датасете, что и отличает RMBG 2.0 от оригинального BiRefNet при сохранении сильных сторон сегментации.

Да, но только по платной лицензии — это ключевое отличие от свободных open-source ремуверов.

Веса модели на Hugging Face выпущены под лицензией CC BY-NC 4.0, где «NC» означает Non-Commercial. Это значит, что скачанные веса нельзя напрямую встраивать в платный сервис, SaaS, мобильное приложение или использовать для клиентской работы без отдельного разрешения.

Легальные пути для коммерции:

1. API через fal.ai — endpoint POST fal.run/fal-ai/bria/background/remove, $0,018 за изображение. Коммерческая лицензия уже включена в цену провайдера. Самый простой вариант для малого и среднего объёма.

2. BRIA Self-Service — прямой доступ к платформе BRIA, около $0,08 за изображение.

3. BRIA Platform (enterprise) — индивидуальный договор с доступом к source-available весам и коду, разворачивание on-premise. Для больших объёмов и чувствительных индустрий.

Почему это оправдано: платя за лицензию RMBG 2.0, вы получаете гарантию юридической чистоты данных обучения — модель не обучалась на спарсенном без спроса контенте. Для enterprise это снимает compliance-риски. Если такая гарантия не нужна, дешевле взять свободный BiRefNet под MIT-лицензией.

Обе модели — коммерческие фон-ремуверы высокого качества, но с разными акцентами.

Remove.bg (сервис от Kaleido AI, теперь в составе Canva) — лидер по удобству и зрелости API. Огромная база пользователей, стабильная работа, простая интеграция. Минусы: цена около $0,20 за фото (в разы дороже), а датасет обучения закрыт и не раскрывается — юридическая чистота данных не гарантируется публично.

BRIA RMBG 2.0 — акцент на compliance и цене. Обучена на лицензированных данных (гарантия правовой чистоты), стоит $0,018 за фото на fal.ai — примерно в 10 раз дешевле Remove.bg.

Вывод: для бизнеса, которому важна цена и compliance обучающих данных — RMBG 2.0. Для тех, кому нужен максимально отлаженный сервис с богатым API и не жалко бюджета — Remove.bg. Если оба недоступны по оплате из РФ, берите готовый российский инструмент на BiRefNet с оплатой в рублях.

RMBG 2.0 обучена на более чем 15 000 высококачественных изображений высокого разрешения, вручную размеченных с попиксельной точностью. Ключевая особенность — все данные полностью лицензированы и предоставлены партнёрами BRIA на легальной основе.

Состав датасета по категориям (по данным BRIA):

• Только объекты (товары, предметы) — 45,11%
• Люди с объектами или животными — 25,24%
• Только люди — 17,35%
• Люди/объекты/животные с текстом — 8,52%
• Только текст — 2,52%
• Только животные — 1,89%

Такое распределение объясняет универсальность модели: она одинаково уверенно вырезает товар для маркетплейса, портрет человека, животное или изделие с надписью. BRIA отдельно подчёркивает баланс по полу и этнической принадлежности в подмножестве с людьми — это снижает bias и повышает качество на разнообразных портретах.

Для сравнения, предшественник RMBG v1.4 набрал более 5 миллионов скачиваний на Hugging Face и стал одним из самых популярных ремуверов. Версия 2.0 значительно улучшила качество на сложных силуэтах при сохранении принципа лицензированных данных.

Публичных числовых бенчмарков (типа Elo-рейтинга в Arena или F-measure на стандартных наборах) по RMBG 2.0 BRIA официально не публикует. Это важное отличие от прародителя BiRefNet, который держит измеримые первые места на Papers with Code (weighted F-measure 0.894 на DIS-TE4 и другие метрики).

BRIA демонстрирует превосходство RMBG 2.0 в основном визуальными сравнениями — примерами вырезки бок о бок с другими open-source ремуверами на сложных кадрах (волосы, прозрачности, тонкие детали). Компания заявляет, что v2.0 «значительно улучшает» предыдущую версию v1.4, но без публикации конкретных числовых метрик.

Что известно достоверно:

• Архитектура — BiRefNet, доказавшая SOTA-результаты на DIS-задачах
• Датасет — 15 000+ лицензированных размеченных изображений
• Предшественник v1.4 — более 5 млн скачиваний на Hugging Face

Поэтому при выборе модели опирайтесь не на маркетинговые числа, а на два реальных критерия: юридическую чистоту данных (главная фишка RMBG 2.0) и тест на своих фото. Загрузите несколько типовых для вашей задачи снимков в демо и сравните результат с BiRefNet и Remove.bg вживую — это надёжнее любого заявленного бенчмарка. Если нужны именно измеримые метрики — смотрите open-source BiRefNet.