rembg Hintergrundentfernung
Entfernt Bildhintergründe mit rembg. Der schwierige Teil ist nicht die Entfernung selbst – es ist das Einrichten einer funktionierenden, isolierten Umgebung mit einem GPU-Backend, das der CUDA-Version des Rechners entspricht. Dieses Skill bündelt diese Einrichtung als einmaliges Skript und dann einen schlanken Ausführungs-Wrapper.
Arbeitsablauf
-
Prüfen, ob die Umgebung existiert. Vor dem Ausführen prüfen:
# conda (Standard, wenn conda vorhanden): conda env list | grep -q '\brembg\b' && echo EXISTS # venv Fallback: test -x ~/.venvs/rembg/bin/rembg && echo EXISTSWenn sie nicht existiert, das Einrichtungsskript ausführen (siehe unten). Wenn sie existiert, direkt zum Ausführen springen.
-
Hintergrundentfernung ausführen mit dem Wrapper (erkennt automatisch Datei vs. Ordner):
bash <skill>/scripts/run_rembg.sh <input> <output> [-m MODEL] [flags] -
Melden, wohin die Ausgaben gingen und welches Modell verwendet wurde. Wenn der Benutzer Wert auf Qualität legt, auf die Optimierungsmöglichkeiten hinweisen.
Einrichtung (nur einmalig)
Das mitgelieferte Installationsskript ausführen. Es erstellt eine dedizierte Umgebung und installiert nur dort – es ändert niemals die aktive oder Basisumgebung des Benutzers.
bash <skill>/scripts/setup_env.sh
Was es tut, und warum:
- Isolation. Erstellt eine dedizierte Conda-Umgebung namens
rembg(oder ein venv unter~/.venvs/rembg, falls conda nicht verfügbar ist). Es berechnet einen expliziten Interpreter-Pfad und installiert mit<that-python> -m pip, sodass nichts in der gerade aktiven Umgebung landet. - Backend abgestimmt auf CUDA. Liest die CUDA-Version des Treibers aus
nvidia-smiaus. Für CUDA 12.x installiert esonnxruntime-gpu==1.22.0plus die passendennvidia-cudnn-cu12/cublas/cuda-runtime-Wheels. Das ist wichtig: das neuesteonnxruntime-gpu(1.23+) ist für CUDA 13 gebaut und schlägt auf einem CUDA-12-System mitlibcudart.so.13: cannot open shared object filefehl. Für CUDA ≥13 verwendet es die neueste GPU-Version; ohne GPU wird die CPU-Version installiert. - Bibliothekspfad. onnxruntime-gpu benötigt die pip NVIDIA-Bibliotheken auf
LD_LIBRARY_PATH. Das Installationsskript fügt einen condaactivate.d-Hook hinzu, und der Ausführungs-Wrapper setzt ihn ebenfalls (für venv), sodass der Benutzer niemals etwas exportieren muss. - Modell-Vorabdownload. Lädt
birefnet-general(~928 MB) undu2netmitwget -cFortsetzung + md5-Prüfung herunter, weil die GitHub-Release-Links regelmäßig mitten im Download abbrechen.
Nützliche Überschreibungen (Umgebungsvariablen): ENV_TYPE=venv, ENV_PATH=~/.venvs/rembg,
FORCE_CPU=1, PROXY=http://127.0.0.1:7890 (leitet Downloads durch einen Proxy; standardmäßig leer), RECREATE=1
(Neuaufbau von Grund auf), MODELS="birefnet-general isnet-anime".
Ausführung
Der Wrapper behandelt einzelne Dateien und Ordner identisch – übergib eine Datei, erhalte eine
Datei, übergib ein Verzeichnis, erhalte ein Verzeichnis mit Ausschnitten. Der Ausgabepfad ist optional:
weglassen und der Wrapper schreibt neben die Eingabe mit einem _rembg-Suffix
(photo.jpg → photo_rembg.png, icons/ → icons_rembg/), sodass du keinen
frei erfinden musst.
# Einzelnes Bild, automatische Ausgabe -> photo_rembg.png
bash <skill>/scripts/run_rembg.sh photo.jpg
# Explizite Ausgabe
bash <skill>/scripts/run_rembg.sh photo.jpg photo_cutout.png
# Ganzer Ordner, automatische Ausgabe -> icons_rembg/
bash <skill>/scripts/run_rembg.sh ./icons -m birefnet-general -ppm
# Ein Modell wählen / rembg-Flags übergeben (Flags können direkt nach der Eingabe folgen)
MODEL=isnet-anime bash <skill>/scripts/run_rembg.sh char.png -ppm
Der Wrapper entfernt zuerst einen eventuellen socks://-Proxy (er lässt rembgs Gradio-Import abstürzen).
Standardmäßig wird kein Proxy verwendet; setze PROXY, um bedarfsgesteuerte Modell-Downloads
über einen HTTP-Proxy zu leiten.
Modellauswahl & Qualitätsoptimierung
Standard ist birefnet-general (beste allgemeine Kanten). Wenn der Benutzer mit den
Kanten unzufrieden ist, Haare/weiche Kanten, Anime oder Porträts erwähnt, oder einen einfarbigen
Hintergrund wünscht, lies references/models_and_flags.md für die vollständige Modelltabelle und
die Reihenfolge der Flag-Optimierung (beginne mit -ppm, dann einem stärkeren Modell, dann -a Alpha-
Matting mit -ae Erosions-Tuning).
Fehlerbehebung
No onnxruntime backend found– das GPU-Wheel konnte nicht importiert werden (normalerweise ein CUDA-Hauptversionskonflikt). Führesetup_env.sherneut aus; es wählt das passende Backend aus.libcudart.so.13: cannot open shared object file– onnxruntime-gpu ist für CUDA 13 gebaut, aber der Rechner hat CUDA 12. Genau das wird durch die Version-Festlegung insetup_env.shbehoben.Unknown scheme for proxy URL 'socks://...'– einsocks://all_proxylässt gradio/httpx abstürzen. Der Ausführungs-Wrapper entfernt ihn; wenn du rembg von Hand ausführst, setze zuerstunset all_proxy ALL_PROXY.The CLI dependencies are not installed– rembg wurde ohne die[cli]-Erweiterung installiert.setup_env.shinstalliertrembg[cpu,cli]; führe es erneut aus.- Modell-Download bleibt hängen / SSL EOF – setze einen funktionierenden
PROXYoder lade mitwget -cin~/.u2net/<name>.onnxvorab herunter (das Installationsskript macht das).