# BiRefNet HR-matting 教程：毛绒、薄纱与半透明 alpha 验收

准备毛绒和薄纱原创素材，使用作者 HR-matting 权重导出连续 alpha，并检查真实灰度分布与双底色软边。

已运行原创输入生成与离线文件校验；本页模型/桌面应用未实跑，比较脚本供你运行后使用。

## 逐步操作

### 1. 打开毛绒与薄纱输入

input.png 是原创生成的毛绒玩具与薄纱图。先看浅色细毛、纱边与背景的交叠；它不是带真实 alpha 的测量真值，不能用输入本身推定每个像素透明度。

```bash
python3 verify.py
```

### 2. 固定 HR-matting 而非 HR 分割权重

作者将 BiRefNet_HR-matting 标为 2048 训练的透明度抠像权重。本练习用同一模型 ID，不把通用二值 mask 放大后称作 matting；本机未下载该大权重。

```bash
python3 -m venv .venv
.venv/bin/python -m pip install torch torchvision transformers pillow
```

### 3. 保留连续预测，不做阈值二值化

run_birefnet.py 将 sigmoid 后的浮点 alpha 保存为 8-bit 灰度，同时存 RGBA。不要先 threshold 到 0/255；那会丢掉头发或薄纱可能需要的中间覆盖率。

```bash
.venv/bin/python run_birefnet.py --model ZhengPeng7/BiRefNet_HR-matting --revision 5d6b6f8adcb5b417c871b1d84ceaae9871355b7f --resolution 2048 --output output
```

### 4. 核对 alpha 是否有真实中间值

统计 transparent、opaque、soft 三类像素和各灰度频次。存在中间值仅说明输出不是二值图，不证明薄纱透光准确；核对照片视觉与两底色效果。

```bash
python3 verify.py --results output
```

### 5. 用深浅底测试软边

compose.py 将真实输出合成到深灰和暖白；不修改前景 RGB。毛绒边缘有色晕或薄纱变成实心时保留局部失败截图，不能把人工修边图标成模型直接输出。

```bash
python3 compose.py output/cutout.png
```

### 6. 与明确标注的人工 alpha 样本区分

包中的 soft-alpha-reference.png 是代码绘制的透明度标尺，用来验证通道与预览程序，不是本照片的预测 mask。正文检查图也明确显示“通道校准，非模型输出”。

```bash
python3 verify.py
```

### 7. 记录模型状态和交付边界

本教程素材、透明度校准样本与离线检查可直接复核；真实 HR-matting 输出需你运行后保存。薄纱、玻璃与运动模糊属于不同情形，不把一例推广为全部透明物体。

## 来源与边界

- [作者 HR-matting 模型卡：2048 与透明度](https://huggingface.co/ZhengPeng7/BiRefNet_HR-matting)
- [作者模型表与分割/抠像区别](https://github.com/ZhengPeng7/BiRefNet)

素材：照片样式输入由 apizt 原创生成；几何商品、积木、文具、纹理、线稿和透明标尺由代码原创绘制。输入/标注/官方示例均不是未运行模型的输出。
官方代码/模型、第三方依赖各保留其独立许可；包内不含模型权重或API凭证。