Ao vivo 18/11 · Turma 318 nov às 19:00 MSK — aula prática gratuita de agentes de IA · Turma 3 ao vivo começa 23/11Aula 18/11 →Turma 3 (23/11)

BRIA lança o RMBG-3.0: remove fundo em 6 segundos e vence o BiRefNet em 75,9% dos duelos

A BRIA AI lançou o RMBG-3.0, um modelo de remoção de fundo que entende o que está na imagem: uma pessoa, um logotipo na embalagem ou uma sombra no chão. Por isso, o fundo visível em grades e entre os raios de uma bicicleta sai limpo, e os textos pequenos nos produtos não desaparecem. Uma imagem em resolução total leva cerca de 6 segundos para ser processada em uma GPU NVIDIA L40S. Para quem mantém um catálogo de produtos, vale passar por ele as imagens mais difíceis.

Processado por IA de TG: @cgevent (Метаверсище и ИИще); editado por Hamidun News
BRIA lança o RMBG-3.0: remove fundo em 6 segundos e vence o BiRefNet em 75,9% dos duelos
Fonte: TG: @cgevent (Метаверсище и ИИще). Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalTG: @cgevent (Метаверсище и ИИще) ↗
Editor-chefe
Teste cego com 234 fotos difíceis1º lugar, ranking médio de 1,51
Dado-chave #2Vence o BiRefNet em 75,9% das comparações e o remove.bg em 59,4%
Dado-chave #3Funciona em 4 passos, sem CFG; os pesos estão abertos no Hugging Face

A remoção automática de fundo parece um problema resolvido, até aparecer uma imagem difícil: uma cerca de tela, uma bicicleta com raios, uma foto de grupo ou uma lata com texto pequeno no rótulo. Nesses pontos, as ferramentas comuns deixam pedaços de fundo nos vãos ou apagam o texto miúdo. A BRIA AI lançou o RMBG-3.

0, a terceira geração do seu modelo de remoção de fundo, que primeiro "entende" o que aparece na imagem e só depois faz o recorte. Ele leva cerca de 6 segundos por imagem em resolução total em uma única GPU NVIDIA L40S e, em um teste cego com 234 fotografias difíceis, ficou em primeiro lugar com ranking médio de 1,51 (quanto mais perto de 1, mais vezes o modelo ficou na melhor posição).

O que mudou por baixo do capô

Os modelos anteriores eram segmentadores: procuravam a fronteira entre o objeto e o fundo e recortavam pelo contorno. O RMBG-3.0 é o primeiro construído sobre uma base generativa, o Fibo 2.0, ou seja, um modelo capaz de criar imagens e que, por isso, entende melhor a estrutura de uma cena. Em seguida, ele passou por destilação: um modelo grande foi comprimido em uma versão mais leve, que precisa de apenas 4 passos em vez de dezenas. Além disso, a inferência roda sem CFG, um modo que, em modelos generativos, costuma exigir computação extra a cada passo.

Como o modelo compreende a semântica da cena, ele, segundo a descrição da BRIA, preserva todas as pessoas em fotos de grupo, não corta membros borrados pelo movimento, mantém no lugar logotipos e rótulos pequenos nos produtos, limpa os vãos de grades e os espaços entre os raios da bicicleta e descarta sombras projetadas.

O que mostrou o teste cego

Na comparação cega com 234 fotos difíceis, o RMBG-3.0 ficou em primeiro lugar. Estes são os percentuais de vitória da nova solução nas comparações par a par:

  • contra o Photoroom: 55,1%;
  • contra o remove.bg, da Canva: 59,4%;
  • contra o RMBG-2.0, versão anterior: 60,9%;
  • contra o Ideogram: 65,6%;
  • contra o BiRefNet, de código aberto: 75,9%.

A vantagem sobre os serviços comerciais é menor do que sobre os modelos abertos. Contra o Photoroom, o modelo vence em pouco mais da metade dos casos, o que é mais uma ligeira superioridade do que uma goleada. Já sobre a versão anterior, o RMBG-2.0, a vantagem é mais evidente, e esse é um argumento para quem ainda usa a geração passada.

O que fazer na prática

Os pesos foram publicados no Hugging Face (briaai/RMBG-3.0), há uma demo online em remove-bg.bria.ai, e é possível rodar o modelo sem servidor próprio pelo fal.ai. Assim, dá para testá-lo primeiro nas suas fotos problemáticas e só depois decidir se vale montar uma infraestrutura própria.

Algumas ressalvas. O post original não esclarece quem exatamente conduziu o teste, e 234 fotografias são uma amostra pequena, então o resultado pode ser diferente com os seus dados. Vale ler os termos da licença para uso comercial na página do modelo antes de implantá-lo. E há a questão do custo: 6 segundos em uma GPU L40S, em um fluxo grande, somam um valor considerável, por isso é razoável deixar as fotos simples, com fundo de cor sólida, em uma ferramenta mais rápida e barata.

Um esquema prático para a equipe de uma loja virtual: separar de 50 a 100 das imagens mais problemáticas do seu fluxo (grades, detalhes transparentes, rótulos, fotos de grupo), processá-las no RMBG-3.0 e no serviço atual e comparar os resultados a olho nu. Se o ganho for visível, vale enviar para o novo modelo pelo menos os casos difíceis.

História

Perguntas frequentes sobre a notícia

O que mudou por baixo do capô?

Os modelos anteriores eram segmentadores: procuravam a fronteira entre o objeto e o fundo e recortavam pelo contorno. O RMBG-3.0 é o primeiro construído sobre uma base generativa, o Fibo 2.0, ou seja, um modelo capaz de criar imagens e que, por isso, entende melhor a estrutura de uma cena. Em seguida, ele passou por destilação: um modelo grande foi comprimido em uma versão mais leve, que precisa de apenas 4 passos em vez de dezenas.

O que mostrou o teste cego?

Na comparação cega com 234 fotos difíceis, o RMBG-3.0 ficou em primeiro lugar. Estes são os percentuais de vitória da nova solução nas comparações par a par: contra o Photoroom: 55,1%; contra o remove.bg, da Canva: 59,4%; contra o RMBG-2.0, versão anterior: 60,9%; contra o Ideogram: 65,6%; contra o BiRefNet, de código aberto: 75,9%. A vantagem sobre os serviços comerciais é menor do que sobre os modelos abertos.

O que fazer na prática?

Os pesos foram publicados no Hugging Face (briaai/RMBG-3.0), há uma demo online em remove-bg.bria.ai, e é possível rodar o modelo sem servidor próprio pelo fal.ai. Assim, dá para testá-lo primeiro nas suas fotos problemáticas e só depois decidir se vale montar uma infraestrutura própria. Algumas ressalvas. O post original não esclarece quem exatamente conduziu o teste, e 234 fotografias são uma amostra pequena, então o resultado pode ser diferente com os seus dados.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…