跳到主要内容
赞助推荐 搬瓦工怎么选:三网直连 CN2 GIA-E
前沿哨所

remove.bg 关停后,开发者自建 BiRefNet 抠图站:第一张图冷启动要等十几秒

4 分钟阅读阅读()
赞助推荐 团队协作里的 AI 办公工作台

remove.bg 宣布将于 12 月 1 日关闭独立网站和自助 API,网页用户被引导至 Canva,API 用户被引导至 Leonardo.Ai,后者需要重写调用代码。一位开发者为承接这部分需求,上线了接口兼容的替代品 clearbg.org:旧代码只需替换域名和 API key 即可继续使用,网页端也支持上传图片并下载全分辨率透明 PNG。模型方面选用了 BiRefNet,核心考量是许可证:Bria 的 RMBG 权重不允许商用,img.ly 的模型采用 AGPL 协议,而 BiRefNet 采用 MIT 协议,商用无限制。整体架构上,模型运行在 Modal 的 GPU 上,网站和 API 部署在 Cloudflare Workers,图片存储使用 R2。开发中耗时最多的环节是边缘处理:测试中发现雪地上的猫抠图后毛边出现一圈白边,原因是边缘像素一半属于猫、一半属于雪。BiRefNet 仓库中的 refine_foreground 函数通过两遍模糊估算边缘像素的真实颜色,开发者将其移植到 torch,每张图额外增加 0.05 到 0.15 秒处理时间,白边问题基本解决。上线后最大的难题是冷启动:GPU 空闲 20 秒即关机,访客间隔往往达数分钟,几乎每位用户的第一张图都会触发冷启动,等待 11 到 17 秒,而 GPU 实际计算仅约 2 秒;同一用户第二张图只需 3 到 4 秒。目前已知缺陷是主体旁细长物体容易丢失。开发者正在社区征询小流量场景下的 GPU 冷启动方案:常驻热机还是让用户等待。

事件分析

技术看点首先是模型选型的许可证考量:MIT 协议的 BiRefNet 相比限制商用的 RMBG 和 AGPL 的 img.ly 方案,为商用服务扫清了法律障碍,对独立开发者选型具有直接参考价值。边缘处理依赖社区贡献的 refine_foreground 补丁,说明开源模型落地往往需要工程补丁补足最后一公里,模型本身只解决一半问题。产业层面,remove.bg 被 Canva 收购后关停独立服务,折射出独立 AI 工具被平台收编、用户被迫迁移的路径,而接口兼容的第三方替代品恰好承接了存量 API 用户的迁移需求,这是一条可复制的产品策略。后续走向上,小流量 AI 服务的冷启动是 Serverless GPU 的固有矛盾:按量计费省钱但牺牲首请求延迟,常驻实例体验好但闲置成本高。可能的解法包括预热机制、CPU 与 GPU 混合调度,或将模型量化后转 CPU 推理。该项目的真实延迟与耗时数据,也为评估 Serverless GPU 的实际成本结构提供了鲜活样本。

核心观点:开源模型加按需 GPU 让个人开发者能低成本复刻商业 AI 服务,但冷启动延迟暴露了小流量场景下成本与体验难以兼得的硬约束。

赞助推荐 一人公司 · 创业装备库
赞助推荐 一人公司 · 创业装备库

原文链接:V2EX 分享发现

赞助推荐 一键部署 AI 大模型
赞助推荐 一键部署 AI 大模型
赞(0)
未经允许不得转载:80aj » remove.bg 关停后,开发者自建 BiRefNet 抠图站:第一张图冷启动要等十几秒
赞助推荐 低成本上手 Claude Code 的中转选择
赞助推荐 低成本上手 Claude Code 的中转选择
赞助推荐 一键部署 AI 大模型
赞助推荐 一键部署 AI 大模型