这是一个在浏览器端直接完成图像抠图的 TypeScript 库，无需上传服务器，兼顾隐私与成本。它适合在 Web 应用里做即时的背景移除，比如电商商品图一键去背，通过简单 API 即可接入。
Remove backgrounds from images directly in the browser environment with ease and no additional costs or privacy concerns. Explore an interactive demo.
按钮会在新标签页打开，本站不代理、不镜像仓库内容。
这是极市团队整理的 CVPR 历年论文、代码与解读合集，帮开发者省去逐篇翻找的功夫。想复现图像分割等方向的工作时，可直接按年份检索，一次拿到论文、开源代码和中文解读。
这是一个基于 PyTorch 的图像分割模型库，提供语义分割网络与预训练 backbone，省去从零搭建和训练编码器的麻烦。最典型的用法是加载现成模型，在自己的数据集上微调，快速完成分割任务。
基于 PyTorch 的语义分割工具箱与 benchmark，它把主流分割模型、数据集和训练流程统一到同一套配置里，省去重复搭建代码的麻烦。想复现论文结果或跑自己的数据集，改几行 config 就能用 CLI 启动训练与推理。
U-2-Net 是 Pattern Recognition 2020 论文的官方 PyTorch 实现，用嵌套 U 型结构做显著目标检测，帮开发者从图像里分离出最吸引注意的主体。典型场景是抠图：输入一张照片，直接得到前景与背景分离的 mask，用于后续合成或编辑。
这是一套图像分割与计算机视觉的 Jupyter Notebook 教程合集，帮开发者快速上手从 ResNet 到 YOLO11、SAM 3 等主流模型。最典型的用法是直接运行 notebook，跟着代码完成数据准备、模型推理与效果可视化。
PaddleSeg 是一个基于 Python 的图像分割库，提供丰富的预训练模型，覆盖语义分割、交互式分割、全景分割、抠图与 3D 分割等任务。开发者可用它快速搭建从训练到部署的完整 workflow，典型场景是加载预训练模型微调后，通过 SDK 或 CLI 集成到实际业务中。
