毛の長い犬の写真を、背景透過の AI で切り抜きました。rembg（背景透過のための無料のソフト）が以前の既定にしていた U²-Net では、頭のまわりに元の背景が白いもやのように残りました。BiRefNet では、頭のまわりのもやはほとんど見えませんでした（図1）。
同じ犬の写真でも、U²-Net では頭のまわりに元の背景がもやのように残った
元の写真（赤い枠を拡大して下に並べた）
元の写真（拡大）
BiRefNet（人物用）
BiRefNet（汎用）
U²-Net
編集部では、無料で使える背景透過の AI モデル14個（BiRefNet 7種類、InSPyReNet 2種類、IS-Net、U²-Net とその派生の4種類）で写真500枚を切り抜き、人が手作業で切り抜いた見本（以下「正解」）との差を測りました。写真は人物100枚、動物200枚、家具・おもちゃ・果物（以下「物」）91枚、植物75枚、ガラスや水などの透けて見える物34枚です。研究用に公開されている2つのデータセット（AIM-500 と AM-2k）の写真と正解を使いました。
全体で正解に最も近かったのは BiRefNet の人物用のモデルで、動物・物・植物の写真でも、同じ BiRefNet の汎用より正解に近い写真が多くありました。正解との差は U²-Net の約6分の1です。一方で、ガラス・水・煙の写真は、どのモデルでも切り抜きに大きく失敗した写真（正解と切り抜きで、被写体の範囲の重なりが9割に届かなかった写真）が大半でした。また rembg は2026年8月の 2.0.80 から既定のモデルが BRIA RMBG-2.0 に変わり、rembg の説明書き（README）には、商用利用に BRIA との有償の契約が必要だと書かれています。
実測表：正解との差は BiRefNet（人物用）が最も小さく、U²-Net の約6分の1
正解との差はBiRefNet（人物用）が最も小さく、U²-Net（rembg の以前の既定）の約6分の1だった
- 汎用のモデル
- 特定の被写体用のモデル（人物用・背景に紛れた物の検出用）
正解との差は画素ごとの透明度の差を、写真全体で平均した値です。0%なら正解と同じで、1%は写真の1%の面積を丸ごと取り違えた量に当たります。BiRefNet の人物用・汎用・汎用の軽量版と InSPyReNet の標準が上位で、U²-Net は4.20%でした。
図の棒は平均の順です。2つのモデルを写真ごとに比べ、正解に近かった写真の数でも確かめました。数の違いが偶然とは言いにくいものを「はっきりした差」、偶然でも起こりうる程度のものを「差は偶然の範囲」と書きます（判定の方法は測定の条件に記載）。1位の人物用と2位の汎用ははっきりした差で（435枚対63枚）、BiRefNet の汎用は U²-Net より正解に近い写真が500枚中498枚ありました。一方で、3位の汎用の軽量版と4位の InSPyReNet の標準は差が偶然の範囲で、5位と6位のように写真ごとに比べると順が逆になる組もあります。
写真の種類ごとの値は次の実測表のとおりです。
どの種類の写真でも、正解との差が小さい上位3つは BiRefNet と InSPyReNet だった
| モデル | 全体 （500枚） | 人物 （100枚） | 動物 （200枚） | 物 （91枚） | 植物 （75枚） | 透けて見える物 （34枚） | 大きく失敗した写真 |
|---|---|---|---|---|---|---|---|
| BiRefNet（人物用） | 0.71% | 0.35% | 0.41% | 0.48% | 1.26% | 2.90% | 40枚 |
| BiRefNet（汎用） | 0.77% | 0.39% | 0.51% | 0.54% | 1.19% | 3.02% | 40枚 |
| BiRefNet（汎用・軽量版） | 1.00% | 0.44% | 0.64% | 0.62% | 1.40% | 4.81% | 43枚 |
| InSPyReNet（標準） | 1.29% | 0.46% | 0.54% | 0.61% | 1.11% | 10.34% | 41枚 |
| InSPyReNet（高速） | 1.61% | 0.94% | 1.04% | 1.21% | 2.17% | 6.82% | 61枚 |
| BiRefNet（細かい形の切り抜き用） | 2.63% | 0.93% | 2.01% | 1.14% | 4.23% | 11.66% | 81枚 |
| BiRefNet（高解像度の被写体検出用） | 2.65% | 0.78% | 1.19% | 1.92% | 4.52% | 14.59% | 79枚 |
| BiRefNet（massive） | 2.98% | 1.23% | 2.93% | 1.21% | 3.56% | 11.85% | 98枚 |
| IS-Net（汎用） | 3.89% | 3.42% | 3.49% | 2.29% | 4.33% | 10.94% | 138枚 |
| U²-Net | 4.20% | 3.60% | 3.39% | 2.43% | 5.46% | 12.73% | 157枚 |
| U²-Net（silueta・縮小版） | 4.43% | 3.83% | 3.79% | 2.68% | 5.47% | 12.33% | 161枚 |
| U²-Net（軽量版） | 4.97% | 3.71% | 5.06% | 2.50% | 4.94% | 14.79% | 167枚 |
| U²-Net（人物用） | 5.67% | 1.73% | 4.34% | 9.53% | 7.40% | 10.90% | 194枚 |
| BiRefNet（背景に紛れた物の検出用） | 9.22% | 7.35% | 1.72% | 17.25% | 20.53% | 12.32% | 256枚 |
植物の写真では、平均の差が最も小さいのは InSPyReNet の標準（1.11%）でした。ただし写真ごとに比べると、BiRefNet の人物用のほうが InSPyReNet の標準より正解に近い写真が75枚中50枚ありました。人物用は少数の写真で差が大きく、それが平均を押し上げています。
人物の写真：U²-Net は100枚中21枚で大きく失敗し、BiRefNet の人物用と汎用は0枚
人物の写真100枚で切り抜きに大きく失敗したのは、U²-Net が21枚、BiRefNet の人物用と汎用は0枚だった
U²-Net が大きく失敗した21枚のうち3枚を見ると、白い服が背景と一緒に消えた写真、しま模様の服が半透明になった写真、巻き毛の束の間に背景が残った写真がありました。同じ写真で BiRefNet の人物用は、服も髪の束も正解に近い形で切り抜いていました。写真の著作権は撮影者にあるため、記事には載せていません。
人物の写真100枚で、被写体の輪郭のまわり（輪郭から、写真の短い辺の長さの1%以内の帯。髪の毛や服の縁を含む）だけで比べても、正解との差は BiRefNet の人物用が2.99%で最も小さく、汎用が3.14%、U²-Net は12.2%でした。
BiRefNet の人物用は、動物・物・植物の写真でも BiRefNet の汎用より正解に近い写真が多かった
BiRefNet（人物用）は、動物・物・植物の写真でも、BiRefNet（汎用）より正解に近い写真が多かった
- BiRefNet（人物用）のほうが正解に近かった写真
- BiRefNet（汎用）のほうが正解に近かった写真
BiRefNet の人物用は、BiRefNet の説明書き（README）で「portrait matting」（人物の透明度の推定）として公開されているモデルで、学習データは人物の画像（P3M-10k の写真と、画像生成 AI で作った humans）だけです。それでも、動物200枚のうち195枚、物91枚のうち75枚、植物75枚のうち52枚で、汎用より正解に近い切り抜きでした。透けて見える物の34枚だけは、人物用が20枚、汎用が14枚で、差は偶然の範囲でした。
編集部では、人物用と汎用で半透明にする画素の量が違うのではないかと考えて調べました。人物の写真の輪郭のまわりで半透明になった画素の割合は、人物用・汎用とも約21%で、正解とも同じでした。動物の写真では人物用が22.6%、汎用が19.6%で、人物用のほうが正解（22.4%）に近い値でした。物と植物では、人物用のほうが正解より多くの画素を半透明にしています。これが差の理由かどうかは確かめていません。
背景：上位のモデルは、風景や室内の写真に載せ替えると、白の背景より正解との差が大きくなった
白の背景を風景や室内の写真に替えると、4つのモデルとも正解との差が大きくなった
人物100枚と動物200枚の被写体を、白、風景や室内の写真（人や動物の写っていない写真）、被写体に似た色の単色、の3つの背景に載せ替えて切り抜きました。正解は元の写真と同じです。BiRefNet の人物用の正解との差は、白の背景で0.39%、風景や室内の写真で0.69%でした。被写体に似た色の単色（0.55%）は、その間です。InSPyReNet の標準だけは、風景や室内の写真（0.64%）より、似た色の単色（0.70%）のほうが正解との差が大きくなりました。
写真ごとに比べると、14のモデルのうち10個は白の背景のほうが正解に近い写真が多くありました。BiRefNet の高解像度の被写体検出用・massive・背景に紛れた物の検出用の3つは逆に、風景や室内の写真のほうが正解に近い写真が多く、細かい形の切り抜き用は差が偶然の範囲でした。
U²-Net は、白の背景でも300枚中39枚で切り抜きに大きく失敗しました。BiRefNet の人物用は、白の背景で0枚、風景や室内の写真で6枚です。
ガラス・水・煙の写真は、どのモデルも大半で切り抜きに大きく失敗した
ガラス・水・煙などの写真34枚では、どのモデルも27枚以上で切り抜きに大きく失敗した
透けて見える物の34枚は、ガラスのコップ、氷、水しぶき、煙、炎、網、ビニール袋、星雲などの写真です。正解では、ガラスや煙の部分に「半分だけ透ける」透明度が付いています。全体で最も正解に近かった BiRefNet の人物用でも34枚中27枚で大きく失敗し、うち26枚は、被写体の一部を背景と一緒に消す失敗でした（消えたのが透けて見える部分かどうかは数えていません）。
速さ：CPU だけで1枚を切り抜くと、BiRefNet の人物用と汎用は7〜10秒、U²-Net は0.2秒以下
CPU だけで1枚を切り抜く時間は、BiRefNet の人物用と汎用が7〜10秒、U²-Net が0.2秒以下だった
- 1回目
- 2回目
サーバー用の CPU の8コアだけで切り抜くと、1枚あたりの時間（中央値）は、BiRefNet の人物用が7.2〜10.0秒、汎用が7.1〜10.4秒、InSPyReNet の標準が3.5〜5.8秒、U²-Net が0.13〜0.18秒でした。2回の測定の値です。2回目は BiRefNet と InSPyReNet が1回目の1.3〜1.7倍かかり、U²-Net の系統は逆に速くなりました。計測したサーバーを他の作業と共有していたためと考えられますが、確かめていません（推定）。BiRefNet の人物用か汎用で100枚を切り抜くと、12〜17分ほどかかる計算です。BiRefNet の汎用の軽量版は4.2〜5.4秒でした。InSPyReNet の高速は1秒未満（0.43〜0.67秒）で、正解との差（1.61%）は U²-Net の約4割でした。
GPU（NVIDIA H200）では、2回とも BiRefNet の人物用が約0.15秒、U²-Net が約0.03秒でした。一般のパソコンの CPU や家庭用の GPU では測っていません。
rembg を使う時は、モデルを指定する
rembg は、背景透過の AI モデルを手元のパソコンで実行するための無料のソフトです（MIT ライセンス）。既定のモデルはバージョンによって違います。
| rembg のバージョン | 既定のモデル | 学習済みデータ（重み）のライセンス |
|---|---|---|
| 2.0.79 まで | U²-Net | Apache-2.0 |
| 2.0.80（2026年8月17日）から | BRIA RMBG-2.0 | 商用利用は BRIA との有償の契約が必要 |
既定のモデルの変更は 2.0.80 のリリースノート（変更の内容）にあります。rembg の README には、モデルの学習済みデータ（重み）には rembg とは別のライセンスがあるので、商用で使う前に配布元で確認するよう書かれています。編集部は RMBG-2.0 を測っていません。BiRefNet を使う場合は、次のようにモデルを指定します。
1
rembg i -m birefnet-portrait 入力.jpg 出力.png
今回の測定では、動物・物・植物の写真でも、写真ごとに比べると人物用（birefnet-portrait）のほうが汎用（birefnet-general）より正解に近い写真が多くありました。植物は、平均では汎用のほうがわずかに差が小さい結果です。BiRefNet の人物用と汎用の重みは、作者の Hugging Face のページ（汎用・人物用）で MIT ライセンスとされています（rembg は、これを変換したファイルを rembg の GitHub から取得します）。
測定の条件
写真・正解・各モデルのバージョン・比較の方法の詳細は、下の欄を開くと表示されます。
測定の条件の詳細を開く
測定したモデル：次の14個です。rembg 2.0.87 で実行した12個と、transparent-background 1.3.4 で実行した InSPyReNet の2個です。
- BiRefNet：汎用（birefnet-general）、汎用・軽量版（birefnet-general-lite）、massive（birefnet-massive）、高解像度の被写体検出用（birefnet-hrsod）、細かい形の切り抜き用（birefnet-dis）、人物用（birefnet-portrait）、背景に紛れた物（保護色の動物など）の検出用（birefnet-cod）
- IS-Net：汎用（isnet-general-use）
- InSPyReNet：標準（transparent-background の base）、高速（同 fast）
- U²-Net：U²-Net（u2net）、silueta（u2net の縮小版）、軽量版（u2netp）、人物用（u2net_human_seg）
対象外のモデル：rembg の bria-rmbg（BRIA RMBG-2.0。商用利用に有償の契約が必要なライセンス）、isnet-anime（イラスト用）、sam（切り抜く位置を点や枠で指示する必要がある）、u2net_cloth_seg（服の部位分け用）、withoutbg と atlascloud（インターネット経由で使うサービスで、利用登録で発行される API キーが必要）。
出力の扱い：各モデルの既定の設定で出力した透明度（アルファ）をそのまま使いました。rembg の後処理（alpha matting、縁の色の除去、ViTMatte による縁の補正）は使っていません。
写真と正解：AIM-500（Li ほか、IJCAI 2021）の500枚のうち、動物を除く300枚（人物100・植物75・家具45・おもちゃ36・透けて見える物34・果物10）と、AM-2k（Li ほか、IJCV 2022）の検証用200枚（動物20種類×10枚）です。AIM-500 の動物200枚は、AM-2k の検証用と同じ写真だったため（大きさが同じで、正解の差は濃淡256段階の0.02段以下）、AM-2k の側だけを使いました。正解は両データセットに付いている、手作業で付けた透明度です。どちらも公開元の同意書（各リンク先の README から開く PDF）で MIT ライセンスとされ、写真の著作権は元の撮影者にあります。
学習に使われた写真との重なり：BiRefNet の汎用の学習データ（README の表）に、人物の公開テスト用の写真 P3M-500 が入っていたため、P3M は使いませんでした。README の表のうち rembg で提供されているモデルに当たるもの（汎用・軽量版・人物用・細かい形の切り抜き用・高解像度の被写体検出用・背景に紛れた物の検出用）の学習データに、AIM-500 と AM-2k はありません。massive という名前は README の表に無く、ファイル名（TR_DIS5K_TR_TEs）が、学習データを DIS5K の学習用と評価用とする汎用の行と一致します（推定）。InSPyReNet の重みは、transparent-background の README に「trained with composite dataset」（合成したデータで学習）とだけあり、中身は公表されていません。
比較の方法：正解との差は、透明度（0〜1）の差の絶対値を写真全体で平均し、100倍した値です。大きく失敗した写真は、正解と切り抜きの透明度を0.5を境に被写体と背景に分け、被写体の範囲の重なり（共通部分÷合わせた範囲）が90%未満になった写真を数えました。輪郭のまわりは、正解の輪郭と半透明の画素から、写真の短い辺の長さの1%以内の帯としました。半透明の画素は、透明度が0.05より大きく0.95より小さい画素です。
背景を載せ替えた写真：人物100枚（AIM-500）と動物200枚（AM-2k）を長辺1,600画素に縮め、元の写真と正解から被写体の色を推定し（pymatting 1.1.16 の estimate_foreground_ml。元の背景の色が髪の毛に混ざらないようにするため）、「正解の透明度×被写体の色＋（1－正解の透明度）×新しい背景」で合成しました。新しい背景は、白（255, 255, 255）、BG-20k（同じ公開元の背景だけの写真。同意書で MIT ライセンス）の評価用から無作為に選んだ60枚（Python の乱数、種は0。被写体ごとに1枚を順に割り当て、1枚を5回使う）、被写体に似た色の単色（輪郭のまわりの被写体の色の中央値）の3つです。PNG で保存し、正解は元の写真のものをそのまま使いました。
差の判定：2つのモデルを組にして、写真ごとに正解との差が小さかったほうを数え、符号検定（二項分布による正確検定、両側）で比べました。p 値が0.05未満の組を「はっきりした差」、それ以外を「差は偶然の範囲」としました。
測定の環境：NVIDIA H200 の GPU 1基（onnxruntime-gpu 1.31.1、PyTorch 2.15.0）と、サーバー用の CPU（Intel Xeon Platinum 8558）の8コア。実写の500枚は2回測り、14のモデルとも2回とも同じ値でした。背景を載せ替えた写真は1回です。速さは、GPU は実写500枚の2回の測定の時間、CPU は5種類から6枚ずつ（種類ごとにファイル名の順で先頭の6枚）選んだ30枚を2回切り抜いた時間で、どちらもモデルの読み込みと最初の3回を除いた1枚あたりの中央値です。CPU は処理を8コアに固定し、onnxruntime と PyTorch のスレッドの数も8にしました。
図1の写真：Wikimedia Commons の「Dog at Nørre Vorupør Strand.jpg」（W.carter 撮影、2017年、CC0）を長辺1,600画素に縮めて使いました。
この表で分からないこと
- ほかのサービスやアプリの背景透過：remove.bg、Canva、Adobe Express、PowerPoint の「背景の削除」などは測っていません。
- rembg の既定のモデル：2.0.80 から既定になった BRIA RMBG-2.0 は、ライセンスの都合で測っていません。
- 後処理の効果：rembg の alpha matting・縁の色の除去・ViTMatte は使っていません。後処理で結果が変わる可能性があります。
- 一般のパソコンでの速さ：CPU はサーバー用の CPU を8コアに限って測り、GPU は NVIDIA H200 だけで測りました。一般のパソコンの CPU や家庭用の GPU では測っていません。
- イラストやロゴ：測ったのは写真だけです。
- 模様のある背景：被写体に似た色の背景は単色で作りました。同系色の模様や壁紙の背景は測っていません。背景を載せ替えたのは人物と動物の写真だけです。
- 学習データとの重なり：InSPyReNet は学習データが公表されておらず、AIM-500 や AM-2k の写真で学習している可能性があります。その場合、InSPyReNet の結果は、初めて見る写真での性能より良く出ています（推定）。
- 縁の色：測ったのは透明度だけです。毛の間に残った元の背景の色（色かぶり）は比べていません。
よくある質問
背景透過で、最も正確に切り抜ける無料の AI モデルはどれですか。
編集部の測定（2026年11月）では、BiRefNet の人物用のモデルが全体で最も正確でした。人が手作業で切り抜いた見本（正解）の付いた写真500枚（人物・動物・家具などの物・植物・ガラスなどの透けて見える物）を14のモデルで切り抜くと、正解との差は BiRefNet の人物用が0.71%で、以前の rembg の既定だった U²-Net（4.20%）の約6分の1でした。BiRefNet の汎用は0.77%です。写真ごとに比べると、人物用のほうが汎用より正解に近い写真が435枚、汎用のほうが近い写真が63枚で、動物・物・植物の写真でも人物用のほうが近い写真が多くありました。
rembg を既定の設定のまま、商用で使えますか。
rembg は2026年8月17日公開の 2.0.80 から、既定のモデルが BRIA RMBG-2.0 に変わりました。rembg の説明書き（README）には、RMBG-2.0 は商用利用に有償の契約が必要な BRIA のライセンスで公開されていると書かれています。業務で使う場合は、-m でモデルを指定します（例：rembg i -m birefnet-portrait 入力.jpg 出力.png）。編集部は RMBG-2.0 を測っていません。
髪の毛の切り抜きに強い AI モデルはどれですか。
人物の写真100枚では、BiRefNet の人物用・汎用・汎用の軽量版と InSPyReNet の標準は、切り抜きに大きく失敗した写真（正解と切り抜きで被写体の範囲の重なりが9割に届かなかった写真）が0枚でした。U²-Net は21枚で、そのうち3枚を見ると、白い服が背景と一緒に消える、巻き毛の束の間に背景が残る、といった失敗でした。髪の毛や服の縁を含む輪郭のまわりだけで比べても、BiRefNet の人物用の正解との差が最も小さい結果でした。
ガラスのコップや煙の写真も、AI で背景透過できますか。
ガラス・氷・水しぶき・煙・炎・網などの透けて見える物の写真34枚では、14のモデルのどれも27枚以上で切り抜きに大きく失敗しました（正解と切り抜きで被写体の範囲の重なりが9割に届かなかった写真）。ガラスや煙などの写真は、今回測ったモデルではどれも正解との差が大きいという結果です。
CPU だけのパソコンでも、AI で背景透過できますか。
編集部がサーバー用の CPU（Intel Xeon）を8コアに限って測ると、1枚あたりの時間（中央値、2回の測定）は BiRefNet の人物用が7.2〜10.0秒、U²-Net が0.13〜0.18秒、InSPyReNet の高速が0.43〜0.67秒でした。BiRefNet の人物用でも1枚ずつなら CPU だけで使えますが、100枚では12〜17分ほどかかります。一般のパソコンの CPU では測っていません。