在浏览器中抠图：这些模型到底是怎么工作的

抠图看起来像魔法，实际上是一个边界清晰、研究得很透的问题：对每一个像素， 判断它应该有多不透明。这个输出就是 alpha 遮罩——一张灰度图， 白色代表「保留」，黑色代表「删除」。遮罩做对了，抠图自然就对了；遮罩稍微 做错，就会出现廉价抠图的三个典型破绽：灰色光晕、被啃过的头发，以及把半透明 玻璃杯渲染成一块实心色块。

理解模型究竟在做什么——尤其是它在什么分辨率下工作——决定了你是和工具较劲， 还是一次就拿到可用的成品。

两个模型，两件事

工具提供两个质量档，背后是两个不同的分割网络；第三个档位其实是第二个模型 跑在更快的硬件上。

注意第三个档位不是什么：它不是更大的模型。均衡档和高画质档加载的 是同一份权重，产生的是同一份遮罩。唯一的区别是矩阵乘法跑在你的 GPU 上还是 CPU 上。如果你的笔记本没有 WebGPU，选高画质除了触发一次降级之外，什么都 买不到。

那个没人提的授权决定

如果你调研过抠图模型，一定见过各方推荐 BRIA 的 RMBG-1.4 和 RMBG-2.0。 它们确实优秀。但它们以 CC-BY-NC 发布——非商业许可。一个 商业产品在悄悄使用它们的同时，也背上了它大概没有计算过的授权风险。

本工具刻意不使用它们。MODNet 与 MIT 许可的 BiRefNet Lite 再导出版本，都可以 安全地放进任何人可以拿去做任何事（包括商用）的产品里。这是个不够光鲜的选择， 但它是正确的：那个为网店商品图抠图的人，不应该依赖一份非商业的研究许可。

为什么 512×512 决定了一切

下面这个事实，解释了人们觉得困惑的大部分现象：两个模型的输入都是固定的 512×512。不是上限——是固定的计算图。 一张手机拍的 1200 万像素照片，在模型看到它之前就被降采样到大约四分之一 兆像素，像素数量减少约 45 倍。

由此直接推出两个结论：

• 超大输入不会带来更好的遮罩。喂一张 6000 px 的原图只会多花内存和时间，而模型看到的仍然是同一个 512×512 视图。源码尺寸上限正是为此而设。
• 细节受限于这个栅格。一根根发丝、自行车辐条之间的空隙、织物的网眼——一旦它们在 512×512 下 小于几个像素，模型就是在猜。它通常猜得挺像，这就是为什么缩略图看着没问题、 100% 放大就发虚。

遮罩随后会被放大回原始分辨率，所以请按实际使用尺寸来判断成品。一张注定要 显示成 160 px 头像的图，是轻松的胜利；一张要铺满 4K 屏的主视觉，是 浏览器抠图模型所能遇到的最难情况。

从 logits 到 alpha

BiRefNet 的导出并不直接给出成品 alpha 通道——它输出的是激活前的 logits。 流程会先用 sigmoid 把它们压缩到 0–1，再量化为 8 位 alpha。这一点很关键， 因为 柔和边缘就来自这里：模型有 60% 把握的像素会变成 60% 不透明，这在合成到新背景上时非常自然，但在硬边背景上看起来就是一圈淡光晕。

如果你看到光晕，解决办法很少是「换个更好的模型」。通常是以下之一：换成与 原图色调更接近的背景、微调边缘处理，或者对该主体接受稍硬一点的边缘。

WebGPU 与 WebAssembly：到底变了什么

质量档位本质上是一张能力阶梯。工具会在模型计算图能装进 GPU 存储缓冲区预算时 申请 WebGPU 会话，装不下或浏览器不支持时自动退回 WebAssembly。

有一个细节值得知道：在 WebAssembly 路径上没有 fp16 执行后端，因此权重保持 fp32。只在 WebGPU 上使用 16 位浮点，意味着要维护两条数值路径和两套可能的输出差异——对一个输出稳定性 比省几毫秒更重要的抠图模型来说，不值得。

实践上：带独显机器上的 Chrome 和 Edge 走快速路径；Firefox、Safari 和较老的硬件走兼容路径。遮罩相同，等待更长。如果你觉得单张图很慢又想知道 原因，最快的诊断是在两个浏览器里跑同一张图做对比。

把成品做完

去掉背景只是上半场。下半场是让结果可用，而大部分实际价值就在下半场：

• 背景。设计用途用透明；要求纯白的电商平台用纯白；社交媒体 用配色或色调背景。
• 宽高比。商城网格用 1:1，快拍用 9:16，缩略图用 16:9。 在这里设好比之后裁剪、再丢掉你原本喜欢的构图要好。
• 阴影。接触阴影是让抠图不像贴纸的关键。柔和的投影读作 「摆在某个平面上拍的」，硬阴影读作「贴上去的」。
• 裁剪到主体。裁掉透明留白，让商品填满画面——这正是让整个 目录看起来统一的关键，即便原始照片并不统一。
• 格式。设计用途用带 alpha 的 PNG 或 WebP；需要最小文件且 背景为纯色时用 JPEG。

批处理：本地处理完胜的场景

云端抠图按张计费，还要排队。本地处理两者都没有，这改变了「合理请求」的边界。 丢进去两百张商品图、导出成一个 ZIP，不是滥用工具，而是它的设计用途。

让它成为可能的工程细节：批处理队列每张图只保留一张小缩略图在内存里，而不是 几百个全分辨率画布。你笔记本风扇转起来，就是全部的服务器成本。

实用配方

头像

快速档（MODNet，26 MB）专为人像设计。透明或柔和背景色，1:1，不加阴影 或加极淡的阴影。请按 200 px 而不是 100% 放大来判断。

电商商品图

均衡或高画质档——商品不是人像。白色背景、1:1、裁剪到主体、加一点接触阴影。 如果平台要求纯白底，「裁剪到主体 + 纯白填充」就是恰好对应的流程。

宠物、毛发、羽毛或流苏类主体

均衡档，并把预期调准：模型会把毛发的整体处理得很好，单根毛发只能近似。 条件允许就尽量在纯色背景前拍摄——最大的精度杠杆不在软件里。

玻璃、烟雾、网纱、网格

确实很难。半透明主体违背了「一个像素要么属于主体要么属于背景」的假设。 有时候诚实的答案是刻意去合成，而不是指望一次干净的自动抠图。

隐私，以及值得亲自验证的一件事

自己拍的商品图不敏感。医疗影像、身份证件、客户照片、未发布的设计稿以及 NDA 覆盖的任何东西，都很敏感。把它们上传到抠图服务，就是在别人的基础设施上 留下一份副本——而且图片上传往往带着 EXIF 数据一起走，包括 GPS 坐标，直到 服务器决定把它剥掉为止。

在标签页里处理，这些都不会发生。你可以用大约三十秒亲自验证：打开开发者 工具，切到网络面板，然后抠一张图。除了一次性的模型下载之外，不应该出现 任何包含你的图片的请求。这就是全部的承诺，而且它是可检查的。

到抠图工具上试试——先用快速档处理一张人像，再把同一张图切到均衡档，看它的边缘。 这一次对比能教给你的东西，比任何基准测试表格都多。