模型已经能输出透明背景，甚至把一张图拆成多个图层，我还需要保留专门的去背景流程吗？
我用人像、手袋、玻璃杯和一张爱莉希雅 AI 插画，比较了 BiRefNet、Photoshop 和 Qwen 图层模型。
因此，本轮测试后我决定 保留专门的去背景流程 。完整主体、透明材质与可编辑图层需要分别验收，而 目前没有任何单一流程能全面满足这些需求。
01. 我怎样比较
General、Matting-HR 与 Photoshop 均测四张原图，Portrait 只补测人像。Qwen 四张均测两层，人像、手袋和插画追加四层复测。
通过 相同展示尺度、对应局部和深浅背景下的目视检查 判断效果。
没有真值蒙版，不提供抠图精度评分，也不把“更通透”直接等同于“更准确”。
02. 常规提取：看发丝，也看五金
先看两类常见素材：有散发的人像，以及带金属挂扣的手袋。重点检查发丝边缘是否干净、小五金是否完整。
同一原图，统一深灰底；发丝外观也受原图光色影响。
观察 主体和主要头发均能保留，但深灰底上，几组结果的头顶和左侧散发都有蓝色残留；Portrait 的部分细飞发更弱。
分析 补测 Portrait 没有明显改善这张图的蓝边，人像专用分支仍需逐图检查。
观察 金色挂扣下半圈，General 与 Photoshop 保留得较完整，Matting-HR 则明显抠淡、部分抠除。
分析 更高分辨率的分支，在这张图上并没有更完整。
03. 玻璃杯：透明文件不等于透明材质
玻璃杯除了轮廓，还要看换底色后能否透出背景，以及杯脚是否完整。
Qwen 输出为 640×440，其余结果缩小展示，未作精细配准。本组只看透底表现，不判断真实折射或逐像素保真。
观察 General 和 Photoshop 留下了杯内大片浅色背景外观，深灰底上不通透。Matting-HR 的杯壁更透，但左侧与中间杯脚、底座过淡；Qwen 杯子层内仍有浅色外观。
分析 轮廓完整度、透底表现与换背景可用性，需要分开判断。
04. 图层输出：未必按我的目标拆分
Qwen 先测试两层，再对未得到可用主体的人像、手袋和插画追加四层。这里看它怎样拆，而不只看输出了几层。
人像两层结果，统一深灰底。完整构图缩小置于横版画布；可点开放大查看各层完整尺寸。右侧近乎空白是实际输出，并非图片未加载。
观察 两层在人像、手袋和插画上都未得到可用主体：第一层接近完整画面，第二层几乎空白。
分析 第二层没有背景，也几乎没有主体，不能据此认为去背景成功。
观察 四层人像被拆为两个重叠头部层和躯干层，叠回非背景层仍有大片蓝色残留。手袋的肩带、挂扣与台座留在同一层，包身另成一层。
分析 只取包身会漏肩带，叠加肩带层又带回台座；这些图层仍需选取、组合与修整。
插画先看常规去背景效果，再看 Qwen 的分层结果。
常规去背景结果中，General 与 Photoshop 的人物轮廓相对清楚；Matting-HR 在右下长发附近留下亮斑与半透明晕影。下面再看 Qwen 同一次输出的不同图层。
左右为 Qwen 同一次四层输出中的第2层和第3层。第3层再次出现人物，并带有亮斑，不能把两层当作独立人物素材直接叠加。
观察 插画第2层是相对干净的人物候选，第3层重复人物并带亮斑，另有背景和星光层。相比手袋，它提供了更接近可用的候选与装饰素材。
分析 能生成图层，不等于分层方式符合交付需求 ；仍需检查重复主体，并承担选层、组合与重试成本。
05. 运行时间之外，还有未测的成本
以下是流程的单次运行时间。完整流程是否省时，还要看输出之后的工作量。
查看单次运行时间与计时说明 案例 General Matting-HR Photoshop Qwen云端：2层 / 4层
人像 4s 8s 约4s 23.33s / 23s
手袋 4.04s 6.55s 约4s 18.45s / 23.23s
玻璃 3.34s 6.02s 约4s 23s / 未测
插画 3.54s 6.04s 约4s 约25s / 28.78s
Portrait 人像为4.07s。全部为用户单次计时；Qwen 玻璃23s明确含加载，其余加载、缓存及导出边界未统一。
观察 本地与云端的设备、输出尺寸和加载状态不同，单次计时只作体验记录，不排速度名次。
分析 重试已有记录，但选层、修整与重试的总耗时，以及费用、批量吞吐和维护成本均未完整测量。能批量运行，不等于整个流程更省时。
06. 这一轮之后，我会怎样选
已有素材的完整主体
保留 General 与 Photoshop 作为候选，检查蓝边、孔洞、小五金和主体细节。
能换底色的透明物体
将 Matting-HR 单独验证，检查杯脚过淡、液体和原背景残留。
背景、人物和装饰分别编辑
有需要时，可考虑 Qwen 图层提供的额外素材，检查失败、重复层、组合成本与分辨率。
若只需移除背景，应优先使用现有稳定工具；若需要背景补全和装饰拆分，再考虑引入图层模型。仅凭能输出 RGBA 这一特性，还不足以替换整条成熟流程。
完整实验图版 以下为缩小的证据副本：输入保留原背景，透明结果统一深灰底；Qwen 完整图层附在本节末尾。
人像
输入原图 General Matting-HR Photoshop
手袋
输入原图 General Matting-HR Photoshop
玻璃杯
输入原图 General Matting-HR Photoshop
爱莉希雅AI插画
输入原图 General Matting-HR Photoshop
两层失败的实际输出
两层失败记录：上人像、下手袋；左第一层，右近空白层。 人像的全部四层
手袋的全部四层
插画的全部四层
方法、范围与参考资料 流程 本轮固定配置
BiRefNet General / Portrait 内部1024×1024，float32；含前景颜色估计
BiRefNet Matting-HR 内部2048×2048；其余处理配置相同
Photoshop 27.11.0 云端「移除背景」，不人工修整
Qwen-Image-Layered FP8 云端，最大边640，20步，CFG2.5，固定seed；2／4层
本轮比较实际方案，General 与 Matting-HR 的权重和推理尺寸均不同；运行完成不等于交付达标。
尺寸、透明通道及可取得的输入哈希和参数另行核验。
本轮仅四张素材，各配置单次探索；改层数不算独立重复。Qwen 结论限于所列配置，不代表其他精度、分辨率或设置的上限。未验证稳定成功率、原图 RGB 保持与最终交付；色彩管理未统一，色差不直接归因于重绘。RMBG-2.0 和从零生成透明素材未测。
摄影素材来源：Unsplash 免费图片。插画为《崩坏3》爱莉希雅AI生成图，用户已确认具备该图及实验处理结果的网站公开展示权限；作者、生成模型和原始来源未提供。
模型定位与工作流参考： BiRefNet 、 Portrait 、 Matting-HR 、 Qwen Layered 、 Comfy官方流程 。
返回首页