birefnet-matting-deformconv

BiRefNet-matting（原生 DeformConv ONNX）

由 ZhengPeng7/BiRefNet-matting 的 epoch_100 权重重导，ONNX opset 19，使用原生 DeformConv。不是官方 GatherND 展开导出。

原权重与本仓库均为 MIT。请保留上游版权与许可声明。

文件

均为 float32。预处理：RGB → [0,1] → ImageNet mean/std [0.485, 0.456, 0.406] / [0.229, 0.224, 0.225]。 建议 cover 到目标分辨率，不要 letterbox 垫边。输出为连续 alpha；若 logits 超出 [0,1] 则做 sigmoid。

运行时

ONNX Runtime CPU ≥ 1.25（建议 1.30）。更早版本没有 CPU DeformConv。

import numpy as np
import onnxruntime as ort
from PIL import Image

MEAN = np.array([0.485, 0.456, 0.406], dtype=np.float32)
STD = np.array([0.229, 0.224, 0.225], dtype=np.float32)

def cover(im, w, h):
    im = im.convert("RGB")
    s = max(w / im.width, h / im.height)
    nw, nh = int(round(im.width * s)), int(round(im.height * s))
    im = im.resize((nw, nh), Image.Resampling.LANCZOS)
    l, t = (nw - w) // 2, (nh - h) // 2
    return im.crop((l, t, l + w, t + h))

W, H = 768, 1152  # 1024² 权则改成 1024, 1024
x = np.asarray(cover(Image.open("photo.jpg"), W, H), dtype=np.float32) / 255.0
x = ((x - MEAN) / STD).transpose(2, 0, 1)[None].copy()

sess = ort.InferenceSession("birefnet_matting_deformconv_768x1152.onnx",
                            providers=["CPUExecutionProvider"])
name = sess.get_inputs()[0].name
alpha = np.squeeze(sess.run(None, {name: x})[0])

致谢

• 模型：ZhengPeng7/BiRefNet（CAAI AIR 2024），matting 权 ZhengPeng7/BiRefNet-matting
• 本仓库只提供同权的原生 DeformConv ONNX，未重新训练