Communitygithub.com

OpenGHz/rembg-bg-removal

Compétence Agent : suppression d'arrière-plan d'images avec rembg dans un environnement isolé et adapté à CUDA — découpes PNG transparentes pour une image ou un dossier entier.

Qu'est-ce que rembg-bg-removal ?

Cette compétence permet à un agent de supprimer l'arrière-plan d'images en utilisant rembg, en automatisant la configuration d’un environnement isolé (conda ou venv) dont la version du backend GPU est adaptée à la version CUDA locale. Elle résout le casse-tête de l'appairage CUDA en détectant la version du pilote et en installant la bonne version d’onnxruntime-gpu, évitant ainsi les erreurs classiques de bibliothèques manquantes ou incompatibles. L’agent exécute d’abord un script de configuration unique qui crée l’environnement, installe les dépendances et télécharge les modèles de segmentation (dont birefnet-general et u2net) avec vérification MD5. Ensuite, un script wrapper unique permet de traiter aussi bien un fichier unique qu’un dossier complet, en générant automatiquement le nom du fichier de sortie ou en acceptant un nom explicite. L’utilisateur peut choisir le modèle de segmentation, passer des indicateurs à rembg et ajuster la qualité des bords via alpha matting. Les problèmes courants (absence de backend onnxruntime, proxy socks incompatible, téléchargement interrompu) sont traités automatiquement ou documentés clairement.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add OpenGHz/rembg-bg-removal

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Suppression d'arrière-plan avec rembg

Supprime les arrière-plans d'images avec rembg. La partie difficile n'est pas la suppression elle-même — c'est d'obtenir un environnement de travail isolé avec un backend GPU qui correspond à la version CUDA de la machine. Cette compétence regroupe cette configuration en un script unique, puis un wrapper d'exécution léger.

Flux de travail

  1. Assurez-vous que l'environnement existe. Vérifiez-le avant d'exécuter quoi que ce soit :

    # conda (par défaut quand conda est présent) :
    conda env list | grep -q '\brembg\b' && echo EXISTE
    # alternative venv :
    test -x ~/.venvs/rembg/bin/rembg && echo EXISTE
    

    S'il n'existe pas, exécutez le script de configuration (voir ci-dessous). S'il existe, passez directement à l'exécution.

  2. Lancez la suppression d'arrière-plan via le wrapper (détection automatique fichier vs dossier) :

    bash <skill>/scripts/run_rembg.sh <entrée> <sortie> [-m MODÈLE] [drapeaux]
    
  3. Rapportez où les résultats ont été placés et quel modèle a été utilisé. Si l'utilisateur se soucie de la qualité, orientez-le vers les options de réglage.

Configuration (première fois uniquement)

Exécutez le programme d'installation fourni. Il crée un environnement dédié et n'installe que là — il ne modifie jamais l'environnement actif ou de base de l'utilisateur.

bash <skill>/scripts/setup_env.sh

Ce qu'il fait, et pourquoi :

  • Isolation. Crée un environnement conda dédié nommé rembg (ou un venv dans ~/.venvs/rembg si conda n'est pas disponible). Il calcule un chemin d'interpréteur explicite et installe avec <ce-python> -m pip, de sorte que rien n'atterrisse dans l'environnement actif.
  • Backend adapté à CUDA. Lit la version CUDA du pilote depuis nvidia-smi. Pour CUDA 12.x, il installe onnxruntime-gpu==1.22.0 avec les wheels correspondantes nvidia-cudnn-cu12 / cublas / cuda-runtime. Cela compte : la dernière version d'onnxruntime-gpu (1.23+) est construite pour CUDA 13 et échoue à l'import sur un système CUDA 12 avec libcudart.so.13: cannot open shared object file. Pour CUDA ≥13, il utilise la version GPU la plus récente ; sans GPU, il utilise la version CPU.
  • Chemin de charge des bibliothèques. onnxruntime-gpu a besoin des bibliothèques NVIDIA pip dans LD_LIBRARY_PATH. L'installateur ajoute un hook activate.d pour conda, et le wrapper d'exécution le définit aussi (pour que venv fonctionne), donc l'utilisateur n'a jamais rien à exporter.
  • Pré-téléchargement des modèles. Télécharge birefnet-general (~928 Mo) et u2net avec reprise wget -c et vérification md5, car les liens des releases GitHub sont souvent coupés en cours de téléchargement.

Paramètres utiles (variables d'environnement) : ENV_TYPE=venv, ENV_PATH=~/.venvs/rembg, FORCE_CPU=1, PROXY=http://127.0.0.1:7890 (route les téléchargements via un proxy ; par défaut vide), RECREATE=1 (reconstruire depuis zéro), MODELS="birefnet-general isnet-anime".

Exécution

Le wrapper traite les fichiers uniques et les dossiers de manière identique — passez un fichier pour obtenir un fichier, un dossier pour obtenir un dossier de découpes. Le chemin de sortie est optionnel : omettez-le et le wrapper écrit à côté de l'entrée avec un suffixe _rembg (photo.jpg → photo_rembg.png, icones/ → icones_rembg/), donc vous n'avez pas à en inventer un.

# image unique, sortie automatique -> photo_rembg.png
bash <skill>/scripts/run_rembg.sh photo.jpg

# sortie explicite
bash <skill>/scripts/run_rembg.sh photo.jpg photo_decoupee.png

# dossier entier, sortie automatique -> icones_rembg/
bash <skill>/scripts/run_rembg.sh ./icones -m birefnet-general -ppm

# choisir un modèle / passer des drapeaux rembg (les drapeaux peuvent suivre l'entrée directement)
MODEL=isnet-anime bash <skill>/scripts/run_rembg.sh perso.png -ppm

Le wrapper annule d'abord tout proxy de type socks:// (il fait planter l'import gradio de rembg). Il n'utilise aucun proxy par défaut ; définissez PROXY pour router les téléchargements de modèles à la demande via un proxy http.

Choix d'un modèle et réglage de la qualité

Le modèle par défaut est birefnet-general (meilleur contours généraux). Si l'utilisateur n'est pas satisfait des contours, mentionne les cheveux/contours flous, l'anime, ou les portraits, ou souhaite un fond unicolore, lisez references/models_and_flags.md pour le tableau complet des modèles et l'ordre de réglage des drapeaux (commencez par -ppm, puis un modèle plus fort, puis -a alpha matting avec réglage de l'érosion -ae).

Dépannage

  • No onnxruntime backend found — la wheel GPU n'a pas pu être importée (généralement une incohérence majeure de version CUDA). Relancez setup_env.sh ; il choisit le backend adapté.
  • libcudart.so.13: cannot open shared object file — onnxruntime-gpu est construit pour CUDA 13 mais la machine a CUDA 12. C'est exactement ce que le verrouillage de version dans setup_env.sh corrige.
  • Unknown scheme for proxy URL 'socks://...' — un proxy socks:// all_proxy casse gradio/httpx. Le wrapper d'exécution l'annule ; si vous exécutez rembg manuellement, faites unset all_proxy ALL_PROXY d'abord.
  • The CLI dependencies are not installed — rembg a été installé sans l'extension [cli]. setup_env.sh installe rembg[cpu,cli] ; relancez-le.
  • Le téléchargement de modèle se bloque / erreur SSL EOF — définissez un PROXY fonctionnel, ou pré-téléchargez avec wget -c dans ~/.u2net/<nom>.onnx (l'installateur le fait déjà).

Skills associés