-
Notifications
You must be signed in to change notification settings - Fork 0
Models Native image segmentation
Mike edited this page May 28, 2026
·
1 revision
Режим: Native. Категория: Image segmentation / сегментация и background removal.
Всего моделей: 9.
| Поле | Значение |
|---|---|
| Название | Xenova/modnet |
| Label | MODNet portrait matting |
| Категория | Image segmentation / сегментация и background removal |
| Runtime/backend | native / onnxruntime / onnx |
| Вес | 0.03 GB catalog size, ~30 MB disk/cache |
| Параметры | не указаны |
| Минимальные требования | tiny - очень слабое железо, CPU/WASM или небольшой GPU; disk >= 30 MB; memory/VRAM около 180 MB; CPU или доступный ONNX provider |
| Оптимальные требования | cuda, directml, coreml, cpu; желательно 692 MB+ свободной VRAM/RAM и 542 MB+ disk cache |
| HF link | Xenova/modnet |
| Доступные quantizations | q8 |
| Краткое описание | Native ONNX Runtime pipeline candidate. |
| Best in |
background-removal, segmentation
|
| Поле | Значение |
|---|---|
| Название | onnx-community/BiRefNet-ONNX |
| Label | BiRefNet |
| Категория | Image segmentation / сегментация и background removal |
| Runtime/backend | native / onnxruntime / onnx |
| Вес | 0.21 GB catalog size, ~220 MB disk/cache |
| Параметры | не указаны |
| Минимальные требования | tiny - очень слабое железо, CPU/WASM или небольшой GPU; disk >= 220 MB; memory/VRAM около 264 MB; CPU или доступный ONNX provider |
| Оптимальные требования | cuda, directml, coreml, cpu; желательно 776 MB+ свободной VRAM/RAM и 732 MB+ disk cache |
| HF link | onnx-community/BiRefNet-ONNX |
| Доступные quantizations | auto |
| Краткое описание | known browser-ready provider |
| Best in |
background-removal, segmentation
|
| Поле | Значение |
|---|---|
| Название | onnx-community/BiRefNet-portrait-ONNX |
| Label | BiRefNet portrait |
| Категория | Image segmentation / сегментация и background removal |
| Runtime/backend | native / onnxruntime / onnx |
| Вес | 0.21 GB catalog size, ~220 MB disk/cache |
| Параметры | не указаны |
| Минимальные требования | tiny - очень слабое железо, CPU/WASM или небольшой GPU; disk >= 220 MB; memory/VRAM около 264 MB; CPU или доступный ONNX provider |
| Оптимальные требования | cuda, directml, coreml, cpu; желательно 776 MB+ свободной VRAM/RAM и 732 MB+ disk cache |
| HF link | onnx-community/BiRefNet-portrait-ONNX |
| Доступные quantizations | auto |
| Краткое описание | known browser-ready provider |
| Best in |
background-removal, segmentation
|
| Поле | Значение |
|---|---|
| Название | SolonD/RMBG-1.4 |
| Label | RMBG 1.4 |
| Категория | Image segmentation / сегментация и background removal |
| Runtime/backend | native / onnxruntime / onnx |
| Вес | 0.21 GB catalog size, ~220 MB disk/cache |
| Параметры | не указаны |
| Минимальные требования | tiny - очень слабое железо, CPU/WASM или небольшой GPU; disk >= 220 MB; memory/VRAM около 264 MB; CPU или доступный ONNX provider |
| Оптимальные требования | cuda, directml, coreml, cpu; желательно 776 MB+ свободной VRAM/RAM и 732 MB+ disk cache |
| HF link | SolonD/RMBG-1.4 |
| Доступные quantizations | auto |
| Краткое описание | ONNX/WebGPU artifact marker |
| Best in |
background-removal, segmentation
|
| Поле | Значение |
|---|---|
| Название | BritishWerewolf/U-2-Net |
| Label | U 2 Net |
| Категория | Image segmentation / сегментация и background removal |
| Runtime/backend | native / onnxruntime / onnx |
| Вес | 0.21 GB catalog size, ~220 MB disk/cache |
| Параметры | не указаны |
| Минимальные требования | tiny - очень слабое железо, CPU/WASM или небольшой GPU; disk >= 220 MB; memory/VRAM около 264 MB; CPU или доступный ONNX provider |
| Оптимальные требования | cuda, directml, coreml, cpu; желательно 776 MB+ свободной VRAM/RAM и 732 MB+ disk cache |
| HF link | BritishWerewolf/U-2-Net |
| Доступные quantizations | auto |
| Краткое описание | ONNX/WebGPU artifact marker |
| Best in |
background-removal, segmentation
|
| Поле | Значение |
|---|---|
| Название | BritishWerewolf/U-2-Netp |
| Label | U 2 Netp |
| Категория | Image segmentation / сегментация и background removal |
| Runtime/backend | native / onnxruntime / onnx |
| Вес | 0.21 GB catalog size, ~220 MB disk/cache |
| Параметры | не указаны |
| Минимальные требования | tiny - очень слабое железо, CPU/WASM или небольшой GPU; disk >= 220 MB; memory/VRAM около 264 MB; CPU или доступный ONNX provider |
| Оптимальные требования | cuda, directml, coreml, cpu; желательно 776 MB+ свободной VRAM/RAM и 732 MB+ disk cache |
| HF link | BritishWerewolf/U-2-Netp |
| Доступные quantizations | auto |
| Краткое описание | ONNX/WebGPU artifact marker |
| Best in |
background-removal, segmentation
|
| Поле | Значение |
|---|---|
| Название | studioludens/birefnet-lite-512 |
| Label | birefnet lite 512 |
| Категория | Image segmentation / сегментация и background removal |
| Runtime/backend | native / onnxruntime / onnx |
| Вес | 0.21 GB catalog size, ~220 MB disk/cache |
| Параметры | не указаны |
| Минимальные требования | tiny - очень слабое железо, CPU/WASM или небольшой GPU; disk >= 220 MB; memory/VRAM около 264 MB; CPU или доступный ONNX provider |
| Оптимальные требования | cuda, directml, coreml, cpu; желательно 776 MB+ свободной VRAM/RAM и 732 MB+ disk cache |
| HF link | studioludens/birefnet-lite-512 |
| Доступные quantizations | auto |
| Краткое описание | ONNX/WebGPU artifact marker |
| Best in |
background-removal, segmentation
|
| Поле | Значение |
|---|---|
| Название | onnx-community/ormbg-ONNX |
| Label | ormbg |
| Категория | Image segmentation / сегментация и background removal |
| Runtime/backend | native / onnxruntime / onnx |
| Вес | 0.21 GB catalog size, ~220 MB disk/cache |
| Параметры | не указаны |
| Минимальные требования | tiny - очень слабое железо, CPU/WASM или небольшой GPU; disk >= 220 MB; memory/VRAM около 264 MB; CPU или доступный ONNX provider |
| Оптимальные требования | cuda, directml, coreml, cpu; желательно 776 MB+ свободной VRAM/RAM и 732 MB+ disk cache |
| HF link | onnx-community/ormbg-ONNX |
| Доступные quantizations | auto |
| Краткое описание | known browser-ready provider |
| Best in |
background-removal, segmentation
|
| Поле | Значение |
|---|---|
| Название | onnx-community/BEN2-ONNX |
| Label | BEN2 background removal |
| Категория | Image segmentation / сегментация и background removal |
| Runtime/backend | native / onnxruntime / onnx |
| Вес | 0.66 GB catalog size, ~680 MB disk/cache |
| Параметры | не указаны |
| Минимальные требования | medium - рабочая станция или заметный GPU; disk >= 680 MB; memory/VRAM около 1300 MB; CPU или доступный ONNX provider |
| Оптимальные требования | cuda, directml, coreml, cpu; желательно 1812 MB+ свободной VRAM/RAM и 1192 MB+ disk cache |
| HF link | onnx-community/BEN2-ONNX |
| Доступные quantizations | q8 |
| Краткое описание | Native ONNX Runtime pipeline candidate. |
| Best in |
background-removal, segmentation
|
- xlocllm
- Quickstart
- About
- Functions Python
- Functions TypeScript
- Use cases
- Examples Python
- Examples TypeScript
- Shared GPU mode
-
Models catalog
- Models The best
- Models Full model list
- Models Use your model
- For native mode
- Models Native LLM tiny small
- Models Native LLM medium
- Models Native LLM large
- Models Native embedding
- Models Native reranker
- Models Native translator
- Models Native tts
- Models Native vlm
- Models Native asr
- Models Native ocr
- Models Native image-classification
- Models Native object-detection
- Models Native image-segmentation
- Models Native depth-estimation
- Models Native document-layout
- Models Native table-detection
- Models Native document-qa
- Models Native language-id
- Models Native audio-classification
- Models Native text-classification
- Models Native ner
- Models Native zero-shot-text
- Models Native summarization
- Models Native text2text
- Models Native code
- For webgpu mode
- For web mode
- Models Web LLM
- Models Web embedding
- Models Web reranker
- Models Web translator
- Models Web tts
- Models Web vlm
- Models Web asr
- Models Web ocr
- Models Web image-classification
- Models Web object-detection
- Models Web image-segmentation
- Models Web depth-estimation
- Models Web document-layout
- Models Web table-detection
- Models Web document-qa
- Models Web zero-shot-image
- Models Web language-id
- Models Web audio-classification
- Models Web text-classification
- Models Web ner
- Models Web zero-shot-text
- Models Web summarization
- Models Web text2text
- Models Web code
- Dev