README.md

BiRefNetSharp

BiRefNet 的 .NET SDK 实现，基于 ONNX Runtime 的图像分割推理库。

English Documentation

快速开始

1. 下载模型

访问 ModelScope - BiRefNet-ONNX 下载 model_fp16.onnx，放置在 models/onnx/ 目录下。

参数说明：

参数	默认值	说明
--onnx_path	../models/onnx/model_fp16.onnx	ONNX 模型文件路径
--input_dir	./	输入图片目录
--output_dir	../output	输出目录
--device	cpu	运行设备（可安装 GPU 对应的包，如 Microsoft.ML.OnnxRuntime.Gpu）
--keep_tree	false	是否保留输入目录的子文件夹结构
--threshold	0.1	Mask 阈值，范围 (0, 1]，用于区分前景和背景

作为类库使用

using Dogvane.BiRefNet;

// 创建推理实例
using var engine = new BiRefNetInference("path/to/model.onnx", "cpu");

// 对单张图片进行推理
var (mask, width, height) = engine.Infer("path/to/image.jpg");

// mask 为 uint8 数组，范围为 0-255
// width 和 height 为原始图片的尺寸

Example 应用程序

程序会在输出目录生成两类文件：

1. 掩码图：灰度 PNG 图片，文件名与原图相同（白色=前景，黑色=背景）
2. 抠图结果：在文件名后添加 _masked 后缀，背景替换为白色，前景保持原色

input/
└── photo.jpg

output/
├── photo.png          # 灰度掩码图
└── photo_masked.png   # 抠图结果（白色背景）

依赖项

• .NET 6.0+
• Microsoft.ML.OnnxRuntime - ONNX 模型推理
• SixLabors.ImageSharp - 图像处理
• CommandLineParser - 命令行参数解析

许可证

本项目采用 MIT 许可证。

相关链接

• BiRefNet 论文
• BiRefNet GitHub 仓库
• ModelScope - BiRefNet-ONNX

作者

Dogvane

致谢

感谢 BiRefNet 原作者提供的优秀模型。