BRIA выпустила RMBG-3.0: вырезает фон за 6 секунд и бьёт BiRefNet в 75,9% дуэлей
BRIA AI выпустила RMBG-3.0 — модель удаления фона, которая понимает, что в кадре: человек, логотип на упаковке или тень на полу. Из-за этого сетки и спицы велосипеда чистятся от фона, а мелкие надписи на товарах не пропадают. Снимок в полном разрешении обрабатывается около 6 секунд на видеокарте NVIDIA L40S. Для каталога товаров имеет смысл прогнать через неё самые сложные кадры.
AI-обработка оригинала TG: @cgevent (Метаверсище и ИИще); редакция Hamidun News
Автоматическое удаление фона кажется решённой задачей, пока не попадается сложный кадр: сетчатый забор, велосипед со спицами, групповое фото или банка с мелкой надписью на этикетке. Обычные вырезалки в таких местах оставляют кусочки фона в просветах или съедают мелкий текст. Компания BRIA AI выпустила RMBG-3.0 — третье поколение своей модели удаления фона, которая сначала «понимает», что изображено в кадре, и только потом режет. Она работает около 6 секунд на снимок в полном разрешении на одной видеокарте NVIDIA L40S и в слепом тесте на 234 сложных фотографиях заняла первое место со средним рангом 1,51 (чем ближе к единице, тем чаще модель оказывалась лучшей).
Что изменилось под капотом
Прежние модели были сегментаторами: они искали границу между объектом и фоном и резали по контуру. RMBG-3.0 впервые построена на генеративной базе Fibo 2.0, то есть на модели, которая умеет создавать изображения и потому лучше разбирается в устройстве сцены. Затем её дистиллировали: сжали большую модель до облегчённой версии, которой нужно всего 4 шага вместо десятков. Кроме того, инференс идёт без CFG — режима, который в генеративных моделях обычно требует дополнительных вычислений на каждом шаге.
Поскольку модель понимает семантику сцены, она, по описанию BRIA, сохраняет всех людей на групповых снимках, не обрезает конечности, смазанные движением, оставляет на месте мелкие логотипы и этикетки на товарах, вычищает просветы в сетках и между спицами велосипеда и отбрасывает падающие тени.
Что показал слепой тест
В слепом сравнении на 234 сложных фото RMBG-3.0 заняла первое место. Доли побед нового решения в парных сравнениях такие:
- над Photoroom — 55,1%;
- над remove.bg от Canva — 59,4%;
- над предыдущей RMBG-2.0 — 60,9%;
- над Ideogram — 65,6%;
- над открытой BiRefNet — 75,9%.
Отрыв от коммерческих сервисов скромнее, чем от открытых моделей. Против Photoroom преимущество чуть выше половины случаев — это скорее небольшой перевес, чем разгром. Зато предыдущую версию RMBG-2.0 новая обходит заметнее, и это аргумент для тех, кто сидит на прошлом поколении.
Что делать на практике
Веса опубликованы на Hugging Face (briaai/RMBG-3.0), есть онлайн-демо на remove-bg.bria.ai, а запустить модель без собственного сервера можно через fal.ai. Так можно сначала проверить её на своих проблемных фото и только потом решать, нужна ли своя инфраструктура.
Несколько оговорок. В исходном посте не уточняется, кто именно проводил тест, а 234 фотографии — небольшая выборка, так что на ваших данных результат может отличаться. Условия лицензии для коммерческого использования стоит прочитать на странице модели до внедрения. И ещё про стоимость: 6 секунд на видеокарте L40S на большом потоке складываются в заметную сумму, поэтому простые фото с однотонным фоном разумно оставить на более быстром и дешёвом инструменте.
Удобная схема для команды интернет-магазина: собрать 50–100 самых неприятных кадров из своего потока (сетки, прозрачные детали, этикетки, групповые снимки), прогнать через RMBG-3.0 и текущий сервис и сравнить результаты глазами. Если выигрыш заметен, имеет смысл отправлять на новую модель хотя бы сложные случаи.
- 18 нояб. 2026 г.Обнулив менее 0,05% весов, большую LLM научили новому не хуже файнтюнинга
- 18 нояб. 2026 г.Позицию токена в NoPE-трансформере восстановили на 99%, в RWKV-7 — на 29–42%
- 18 нояб. 2026 г.Liquid AI выложила LiquidCodec: декодирует речь в 2,9 раза быстрее Mimi
- 18 нояб. 2026 г.1000 ИИ-агентов написали чат-бота без нейросети: доля побед выросла с 0% до 26%
Вопросы и ответы по материалу
Что известно по теме: что изменилось под капотом?
Прежние модели были сегментаторами: они искали границу между объектом и фоном и резали по контуру. RMBG-3.0 впервые построена на генеративной базе Fibo 2.0, то есть на модели, которая умеет создавать изображения и потому лучше разбирается в устройстве сцены. Затем её дистиллировали: сжали большую модель до облегчённой версии, которой нужно всего 4 шага вместо десятков. Кроме того, инференс идёт без CFG — режима, который в генеративных моделях обычно требует дополнительных вычислений на каждом шаге.
Что известно по теме: что показал слепой тест?
В слепом сравнении на 234 сложных фото RMBG-3.0 заняла первое место. Доли побед нового решения в парных сравнениях такие: над Photoroom — 55,1%; над remove.bg от Canva — 59,4%; над предыдущей RMBG-2.0 — 60,9%; над Ideogram — 65,6%; над открытой BiRefNet — 75,9%. Отрыв от коммерческих сервисов скромнее, чем от открытых моделей. Против Photoroom преимущество чуть выше половины случаев — это скорее небольшой перевес, чем разгром.
Что известно по теме: что делать на практике?
Веса опубликованы на Hugging Face (briaai/RMBG-3.0), есть онлайн-демо на remove-bg.bria.ai, а запустить модель без собственного сервера можно через fal.ai. Так можно сначала проверить её на своих проблемных фото и только потом решать, нужна ли своя инфраструктура. Несколько оговорок. В исходном посте не уточняется, кто именно проводил тест, а 234 фотографии — небольшая выборка, так что на ваших данных результат может отличаться.
Протестируйте новые LLM и мультимодальные модели в одном окне
Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.