一句话
去背景以前意味着把照片传到一台有显卡的服务器上。现在不必了。一个小到可以一次性下载（44 MB）的分割模型可以在浏览器里跑：机器支持 WebGPU 时，一张照片远不到一秒；不支持时，同一个模型在 CPU 上跑 15–25 秒。两种情况下照片都不离开设备。这个模型对背景分明的人物、商品、动物效果好，对发丝叠在发丝上、玻璃，以及任何连摄影师都看不清边缘的东西效果差。
模型是什么
工具用的是 ISNet，来自论文 Highly Accurate Dichotomous Image Segmentation（Qin 等，ECCV 2022）。“Dichotomous”（二分）的意思是任务是二元的：每个像素，是前景还是不是。ISNet 在 DIS5K 数据集上训练——五千张高分辨率图片，配有极其精细的像素级蒙版，对象是自行车、椅子、树这类东西，选它们正因为细枝细杈会打败早先的模型。对 1024 × 1024 的输入，它输出一张 1024 × 1024 的概率图；工具对这张图取阈值、羽化边缘，作为 PNG 的 alpha 通道。
权重以 Apache-2.0 发布。本站自己托管，切成三段以便断点续传，第一次用过之后缓存在浏览器里：第二张照片不再下载任何东西。
“在浏览器里”为什么现在做得到
两样东西得先存在。ONNX Runtime Web 在 JavaScript 里执行训练好的模型，算术运算要么由 WebAssembly 在 CPU 上做，要么——从 2023 年起——由 WebGPU 做，那是把显卡开放给通用计算的浏览器 API。一次分割前向传播是几千亿次乘加，显卡就是为这个造的，单个 CPU 线程不是。
本站工具自己的数字，同样是 1024 像素输入：
| 路径 | 在哪跑 | 每张耗时 |
|---|---|---|
| WebGPU | Chrome / Edge 113+、Safari 26+，带任何现代显卡的笔记本或台式机 | 不到 1 秒 |
| WebAssembly | 任何浏览器，单线程 | 15–25 秒 |
WebAssembly 路径是故意单线程的。多线程 WASM 要求页面处于跨源隔离状态，那个响应头会挡掉所有第三方脚本——包括养活这个站的广告代码。单线程慢，但页面得以免费；活儿被挪进 Web Worker，所以它在磨的时候界面不卡。
内存是另一个约束：运行时加模型加中间激活值需要大约 200 MB 空闲内存。4 GB 内存的手机在 CPU 路径上撑得住；一些更老的手机根本分配不出这块缓冲区，工具会直接说明，而不是让标签页崩掉。
它做不好的，实话实说
- 发丝对着相近的背景。 深色头发对深色墙、金发对米色窗帘。模型看不到边缘，因为像素里根本没有边缘。蒙版要么吃掉头发，要么留一圈墙。
- 透明和反光的东西。 玻璃、水、主体前面的酒杯。分割是二元的；玻璃既不是前景也不是背景，结果是一条硬边穿过它。
- 运动模糊。 模糊的边缘没有唯一正确的分界线。
- 多个主体。 模型保留它认为是“主体”的一切；两个人通常都留，一个人和一条大狗可能只留一个。
- 很小的主体。 输入长边 1024 px；一张远景里 60 px 高的人，变成蒙版里的几十个像素，出来是一团。
干净的商品图、素墙前的人像、地板上的宠物、纸上的 logo，它很可靠——训练集里装满的就是这些。
拿到结果之后
输出是带真实透明通道的 PNG。这是放进幻灯片、商品页或另一张照片的正确格式，也是发邮件的错误格式——1200 万像素的 PNG 抠图有 20–30 MB。目的地要小文件又不需要透明，就转成白底 JPEG；需要透明又要更小，带 alpha 的 WebP 是 PNG 的三分之一。压缩两种都能处理。