BiRefNet 抠图的像素与资源合同

BiRefNetBackgroundRemover 在现有可选 Inference 模块内复用本地 CPU 会话，输出透明 PNG 和可选软蒙版。蒙版是模型估计，不是 alpha 真值；业务调用和部署步骤见 Inference README。换纯色背景由基础 ImageProcessor 继续处理，不在模型接口中新增另一套合成流程。

固定模型与加载边界

支持的 onnx-community/BiRefNet_lite-ONNX revision 为 de15b22ba131738a16dff04aab8bdf8dc32e3ac1，文件 onnx/model.onnx 为 224,005,088 字节，SHA-256 为 5600024376f572a557870a5eb0afb1e5961636bef4e1e22132025467d0f03333。转换权重的模型卡、原作者权重和实现许可声明 MIT。NuGet 不携带权重，运行时不 HTTP 下载、安装包或加载作者的远程 Python 代码。

工厂复用 VerifiedOnnxModel.ReadAsync：按固定长度读取、验证 SHA，再将同一个 bytes 快照交给 ONNX Runtime CPU 1.31.0，避免校验后重开路径加载不同文件。会话还必须只有 input_image float [1,3,1024,1024] 输入和 output_image float [1,1,1024,1024] 输出；其他模型、FP16 文件、错误大小、hash 或张量约定明确拒绝。

解码、预处理与软蒙版

源图仅由现有 ImageCodec 解码一次，沿用静态图片、编码字节、尺寸、像素和 EXIF 规范化规则。业务 RGB 基准为规范化解码得到的颜色；解码时已丢失的透明隐藏 RGB 不会恢复，低 alpha 的 8 位预乘转换也可能量化颜色。

模型输入先把源 RGBA 与白色合成，再按半像素坐标双线性缩放到固定 1024×1024，排列成 RGB NCHW 并使用 ImageNet 均值 [.485,.456,.406]、标准差 [.229,.224,.225]。先合成再插值，避免直接丢弃 alpha 后把透明黑色作为实体背景。该尺寸和归一化与作者 profile 对应；本实现的浮点双线性采样不宣称与 PIL 的抗锯齿／8 位中间量化位级相同。

输出是 logits。每个值必须有限，采用按正负分支的稳定 sigmoid，避免极大有限值的指数溢出；概率图以双线性缩回规范化源尺寸。最终每个像素只计算一次：

最终 alpha = round(源 alpha × 估计概率)

这里采用 MathF.Round 的默认中点到偶数规则，再限制到 8 位范围。

透明 PNG 使用源规范化 RGB 与这个 alpha，既不生成 RGB，也不反演前景颜色或消除原图已混入的背景色。原本完全透明的像素保持透明；模型不能借此恢复被遮挡或丢失的数据。白色推断底色、源边缘背景污染和低 alpha 量化仍可能影响边缘，不能承诺发丝或复杂背景质量。

新变透明的像素仍可保留源 RGB；展示时必须按 alpha 合成，忽略 alpha 的查看工具可能仍显示原背景。软蒙版与透明 PNG 的像素验证基于实际 alpha 通道，而非这类查看工具的 RGB 预览。

可选 softMaskPng 是最终有效 alpha 的不透明灰度 PNG，三个灰度通道逐像素等于结果 PNG 的 alpha。它已经包含源 alpha，使用时不应再乘一遍源 alpha；白色表示最终完全不透明、黑色表示透明，中间值为软边缘。它不另行阈值化，也不等同于未经源 alpha 约束的原始模型概率。

会话、取消与流

同一实例串行执行解码、推理、合成和编码。模型输入值、RunOptions、输出 OrtValue 及位图都由调用拥有并确定释放；源与输出流从当前位置使用，保持打开且须为不同的流对象。透明 PNG 与软蒙版按顺序写入，失败或取消可能留下部分输出，两份输出不是事务；宿主需要原子发布时应先写私有暂存文件。

取消在读取、逐行像素处理与编码阶段检查，并通过 RunOptions.Terminate 通知 ORT；仍等待该次 native Run 返回后再释放资源，不把取消任务等同于 native 已停止。释放实例先阻止新工作，再等待活跃调用结束并关闭会话；排队调用观察释放状态而不读取源。托管 gate 保持可供已有等待者恢复，避免释放后排队路径访问已销毁的同步对象。

资源边界

输入默认最多 32 MiB、单边 4096、4,000,000 像素；输出尺寸与 EXIF 规范化源尺寸相同。模型始终运行固定 1024 图，即使源图很小也不能按源像素数推断推理内存。托管部分包含固定约 12 MiB 输入 tensor、4 MiB 概率图、原尺寸的源／结果位图和可选灰度位图，以及编解码缓冲；模型 bytes 快照与原生激活、线程池另计。

CPU 默认 min(2, 逻辑CPU数)，每实例只有一个活跃任务。宿主仍应以共享队列控制不同推理工具与实例的总并发，不能把单实例串行或图片像素限额当成全进程 CPU／内存硬配额。

ORT 的 CPU arena 与 memory-pattern 默认开启，可能保留较大的激活分配。本模型固定关闭两者，仍保留默认 tensor memory reuse、相同模型、1024 输入和顺序执行；这项策略用于控制重复请求的缓存工作集，不修改分割或 alpha 规则。

本机 CPU 2 线程的原生对照中，默认缓存策略在复用会话时达到 13,010,370,560 B 的测试进程峰值工作集。关闭两项缓存后，五次处理达到 6,870,069,248 B，约 6.40 GiB；同四个基准样本的 RGBA 与软蒙版逐像素一致，处理时间由约 10.2–12.7 s 增至 16.2–20.5 s。这是峰值内存与分配开销的取舍，不是模型变小。

独立 NuGet 发布消费者的一次 512×600 人像调用，创建会话 10.03 s、处理 17.93 s，进程峰值 6,532,874,240 B（6.08 GiB），调用后工作集 628,768,768 B（0.59 GiB）。宿主应按实测约 6.1–6.4 GiB 的单任务峰值另留余量，并串行安排此类重任务；不能根据 224 MB 权重、源图大小或线程数推断可在小内存容器运行。这组数据也不是对其他机器或模型的硬上限承诺。

验证依据与限制

轻量测试覆盖白色合成在双线性之前、NCHW/ImageNet 通道、正负极大 logits、非有限值拒绝、半像素边缘与狭长图、alpha 相乘、软蒙版精确一致、可选蒙版、直色 PNG 编码及取消检查。真实 CPU 测试覆盖公有领域人像、完全透明图、带透明度的人像边缘、EXIF90、源字节／栅格限制、排队取消和释放。

人像没有作者提供的 alpha 真值，验证的是实际模型执行、坐标、颜色来源与透明度合同，不据此计算质量置信度。纯色或不属于训练分布的画面可能被全部判为背景；ReviewRecommended 始终为 true。模型输出需要结合原图和软蒙版检查，不能据权重名称中的 lite 推断运行内存或准确率。

公有领域 Grace Hopper 肖像的独立调用产生 181,078 个非透明像素；白底合成视检确认主体与背景分离，帽沿与发梢仍有轻微原背景颜色污染。带 alpha 分区的同一人像仍有 162,768 个非透明像素，包含实际非空的半透明前景；所有输出 alpha 不超过源 alpha，灰度蒙版与最终 alpha 完全相同。纯透明图保持零 alpha，EXIF90 输出为 600×512。上述是有限样本观察，不能推广为精确发丝或复杂场景保证。