ComfyUI 去背模型大評比：30 條路線同圖實測，從 RMBG-2.0、BiRefNet、BEN2 到 Lucida、SDMatte、SAM 3.1

為什麼要做這篇

去背是 ComfyUI 裡最常用、選項也最亂的功能之一。光是我這台機器上就有四個節點包在做同一件事：ComfyUI 核心最近新增的原生節點、1038lab 的 comfyui-rmbg、LayerStyle Advance、還有老牌的 WAS／rembg，模型從 2020 年的 u2net 一路排到 2026 年 7 月才出的 Lucida，加起來超過二十款。網路上能找到的比較文大多停在 2024 年底到 2025 年初，測的是 BEN、InSPyReNet、BiRefNet、RMBG-2.0 四家；之後出的 BEN2、BiRefNet-HR、SDMatte、SAM 3.1、Lucida，還有 ComfyUI 核心自己的 Remove Background 節點，都沒有人放在同一張圖上比過。

另一個動機是一個很常見的土法煉鋼：去背之前，先請 AI 把背景改成一個跟主體反差很大的單色（例如桃紅或綠色），想說這樣模型應該比較好切。實際上結果常常不如預期，髮絲邊總是留一圈背景色。這個做法到底好不好用，我想用實測回答。

所以這篇的做法是：把所有去背模型接進同一張工作流，同一張圖一次跑完 30 條路線，每條的結果都存成透明背景的 PNG，排在一起比。

快速結論

• 日常主力選 BiRefNet-HR 或 BEN2：髮絲、毛髮、產品、低對比的白色物件這些常見情境兩款都穩定；BiRefNet-HR 邊緣最乾淨，BEN2 保留的飛散細髮最多
• 要「真的半透明」只有四款做得到：Lucida、BiRefNet-HR-matting、BiRefNet-portrait、SDMatte 會把玻璃切成透視的、把煙切成柔邊的；其他模型一律把玻璃當成不透明的整塊切下來
• 先把背景改成反差色再去背，半對半錯：反差色確實讓每一款模型都切得很準，但髮絲邊一定會留下一圈背景色的光暈——這不是遮罩的問題，是髮絲像素本身混了背景色。要在 comfyui-rmbg 節點打開「前景色估計」（refine_foreground），光暈才會消失。這是這次最有用的一個發現
• Lucida 是 2026 年最值得補的新模型：玻璃、文字 Logo、線稿都是它的主場，但它會把白色卡片當背景只留字，要整張卡片時不能用它
• SAM 系列是「找物件」不是「去背」：它以框為單位切，會切掉被遮住的物件與伸出去的手；SAM 3.1 在多人圖上目前只抓到一個人，先別拿它當去背主力
• rembg 的 u2net／isnet 還能跑，但邊緣灰邊與殘影明顯，2026 年沒有理由再用它們當主力

先懂三件事：遮罩、半透明、溢色

如果你對去背的印象還停在「魔術棒點一下」，看這篇之前先花兩分鐘認識三個概念，後面所有的比較都是圍著它們轉。

遮罩（mask）就是一張黑白圖，決定每個像素要留還是要丟。 去背模型的工作其實不是「刪掉背景」，而是算出這張黑白圖：白色是主體、黑色是背景。ComfyUI 把它套到原圖上，就變成透明背景的 PNG。所以比較去背模型，本質上是在比「誰的遮罩畫得準」。

好的遮罩不是非黑即白，邊緣要有灰階。 一根髮絲、一片薄紗、一個玻璃杯，像素裡有一部分是主體、一部分是背景，遮罩上就應該是灰色，代表「半透明」。能算出這種有深有淺的透明度，叫 matting（摳像）；只會判斷每個像素「是或不是」的，叫 segmentation（分割）。這篇測的模型裡，BiRefNet 系列、BEN2、RMBG-2.0、SDMatte 是 matting 取向；SAM 系列是 segmentation 取向。後面你會看到，分水嶺就在蒲公英、玻璃、煙這些題目上。

溢色（color spill）是去背最容易被忽略的問題。 半透明的邊緣像素，顏色本來就是「主體色 × 透明度 + 背景色 × 剩下的部分」混出來的。遮罩算得再準，那個像素的顏色還是帶著背景色；背景是桃紅、綠色這種鮮豔色時，髮絲邊就會出現一圈光暈。解決它要另外做「前景色估計」——把混進去的背景色算掉、還原邊緣本來的顏色，修改的是像素的顏色，不只是透明度。這也是為什麼「先把背景改成反差色」這招只對了一半。

另外兩個後面會反覆出現的名詞：VITMatte 是一個專門修邊緣的小模型，LayerStyle 的節點可以在去背之後再用它把邊緣重算一次，所以測試時我把它關掉、另外開一條打開的當對照，才分得清功勞是誰的；SDMatte 則是一款「精修型」的模型，它不會自己找主體，必須先給它一張大略的遮罩，它再把邊緣與半透明算細。

模型演進小史

把這次測的模型按年代排開，大概可以看出去背技術這六年的走向：

• 2020 年 u2net：rembg 套件的預設模型，也是大多數人第一次用 AI 去背碰到的那一款，開啟了「一鍵去背」的時代，邊緣處理到今天看已經很粗
• 2022 年 IS-Net（isnet）與 InSPyReNet：兩個學術界的改良，前者進了 rembg 變成 isnet-general-use，後者是 transparent-background 套件的核心，髮絲比 u2net 好很多
• 2024 年 BiRefNet：浙江大學鄭鵬團隊的開源模型，把 matting 的品質拉到新高度，之後幾乎所有新模型都建在它上面；同年 Bria 先出了 RMBG-1.4，年底又基於 BiRefNet 推出 RMBG-2.0，是目前唯一強調訓練資料全部合法授權的商用選項
• 2025 年 BEN 與 BEN2：PramaLLC 的開源模型，主打髮絲與毛髮，設計上會對不確定的邊緣像素再算一次；同年 BiRefNet 陸續釋出 HR（高解析）、matting、portrait、dynamic 等變體，SDMatte 把擴散模型引進 matting，能處理半透明
• SAM 系列（2023 SAM → 2024 SAM2 → 2025 SAM3 → 2026 年 SAM 3.1）：Meta 的「分割任何東西」模型，用文字或點選指定要切的物件，跟去背模型是不同的工具，但常被拿來做去背
• 2026 年 Lucida：BiRefNet 的微調版，專攻半透明物件、迷彩、文字 Logo、光暈特效與插畫線稿；同年 ComfyUI 核心新增了原生的 Remove Background 節點，直接支援 BiRefNet 與 Lucida，不用再裝外掛

測試方法

測試圖 15 張：14 張用 Krea2 Turbo 生成，每張針對一種去背模型最容易失敗的情境——飛散髮絲、毛髮動物、透明玻璃杯、名片 Logo、線稿插畫、多瓶產品、迷彩變色龍、香枝的煙、婚紗頭紗、蒲公英、藤椅鏤空、動漫少女、白色馬克杯放在白桌白牆前、雜物工作台；第 15 張是一張真實工作檔：AI 生成的四位醫護人員，背景已經先用 AI 改成桃紅色，中間還有一塊半透明的全息面板，專門用來回答「先改成反差色再去背到底好不好用」。

30 條路線：同一張圖送進 30 個不同的節點／模型組合，每條路線的輸出統一轉成透明背景的 PNG，再貼到棋盤格上排成對照圖（棋盤格就是透明的部分）。四個節點包的分布如下：

設定原則：每款模型都用節點預設值，只有三個例外要交代——LayerStyle 系列全部關掉附帶的 VITMatte 邊緣修飾，另外開一條打開的當對照；SDMatte 需要先給它一張大略的遮罩，我用 BiRefNet-HR 的結果當這張遮罩；SAM 3.1、GroundingDINO、Florence2 這三條需要文字提示，每張圖給一個對應的英文名詞（woman、glass of water、bicycle……）。

幾個要誠實揭露的地方：LayerStyle 的 BiRefNet 節點會把輸入固定縮到 1024×1024 再推論，所以 2048 訓練的 HR 模型沒有走它；comfyui-rmbg 節點裡的 InSPyReNet 選項實際上呼叫的是 transparent-background 套件的預設模型，跟 LayerStyle 的 InSPyReNet base 是同一款，兩條路線結果理應相同（實測也一致）；14 張測試圖是 AI 生成的，真實照片的邊緣噪訊會比這些圖更難，最後一張桃紅圖是真實工作檔，可以當校正。

速度不寫絕對秒數。相對來說：BiRefNet 系列、BEN2、RMBG-2.0 都是幾秒等級；SDMatte（5 GB 的擴散模型）與 GroundingDINO + SAM 這種兩階段路線明顯慢一截，30 條全跑一輪的時間主要花在它們身上。

髮絲：BiRefNet 全家與 BEN2 都合格

先看最經典的考題：逆光、飛散的捲髮，背景是失焦的街景。

第一排四款現役模型（RMBG-2.0、BiRefNet-HR、BEN2、Lucida）在縮圖下幾乎分不出高下，飛散的髮絲全部保留。差異要放大、貼在白底上才看得出來：

BiRefNet-HR 的邊緣最乾淨，BEN2 保留的細髮最多但邊緣稍微模糊；InSPyReNet 把最細的幾根丟掉了；rembg 的 u2net 有一圈明顯的灰邊與半透明殘影，isnet-general-use 好一些但仍看得出邊緣發灰。整個 30 條裡，這一題真正掉隊的只有 u2net、u2net_human_seg，還有專吃插畫的 isnet-anime（對照片幾乎全丟）。

結論很簡單：只要是 BiRefNet 架構的模型（RMBG-2.0 也是），髮絲在 2026 年已經不是問題。

玻璃與半透明：只有四款給你真正的半透明

一杯加了冰塊和檸檬的氣泡水，背後是明亮的窗。這題考的不是「切不切得出杯子」（每款都切得出），而是「杯子的透明部分有沒有保留成半透明」。

答案很分明。BiRefNet-HR-matting、Lucida、SDMatte、BiRefNet-portrait 四款讓你透過杯身看到棋盤格，也就是遮罩上有深有淺、真的算出了半透明；其他所有模型（包括 BiRefNet-HR、BEN2、RMBG-2.0）都把整個杯子當成不透明的整塊切下來，杯身裡看不到背景。如果你要把玻璃杯合成到新背景上，後者這種切法會讓杯子看起來像一張貼紙。

同樣的分野在煙上更明顯：

一支點燃的香，一縷煙飄上去。大多數模型只留下香枝，煙整個丟掉；RMBG-2.0、BEN2、BiRefNet-HR-matting、BiRefNet-portrait 把煙留成柔邊的半透明。有意思的是 SDMatte：它本身是能處理半透明的模型，但因為我給它的那張大略遮罩來自 BiRefNet-HR，而 BiRefNet-HR 沒有把煙算進去，SDMatte 也就救不回來。SDMatte 的上限取決於你給它的那張遮罩，這是用它前一定要知道的事。SAM 3.1 用「incense stick with smoke」當提示，反而把煙一起留下了，但邊緣是硬的。

婚紗頭紗是半透明題的變形：

BiRefNet-HR-matting 與 BiRefNet-portrait 把頭紗留成半透明，效果最自然；BiRefNet-general 與 dynamic 留下了幾塊天空；u2net 直接把頭紗砍掉只剩人。這一題還暴露了前景色估計的弱點：BiRefNet-HR 加上前景色估計後，頭紗大面積半透明的區域出現了灰黑色的髒塊。前景色估計適合處理細細的邊緣，不適合大片半透明——後面講單色背景時會再回到這個設定。

文字 Logo 與線稿：Lucida 的兩面

Lucida 是 2026 年 7 月才出的 BiRefNet 微調版，設計目標很明確：半透明物件、迷彩、含柔影的文字與 Logo、光暈特效、插畫線稿。它已經進了 Comfy-Org 的模型庫，ComfyUI 核心的 Remove Background 節點直接可用。

我用一張放在白紙上的名片來測，上面有黑色襯線體的 AURORA 字樣：

這一題最有趣的地方是「什麼才算主體」。大多數模型（BiRefNet-HR、RMBG-2.0、BEN2……）把整張名片切下來，連卡片邊緣的柔影都留著；Lucida 與 isnet-general-use 則把白色卡片當成背景，只留下字與金色圖章。兩種都不算錯，取決於你要卡片還是要 Logo。如果你的工作是把印刷設計上的文字或圖案抽出來另外用，Lucida 是目前最準的一款；如果要的是整個物件，就回到 BiRefNet-HR。u2net_human_seg 在這題把字切得支離破碎，它本來就是專門切人的模型，這裡放進來只是提醒不要拿它做通用去背。

細絲與鏤空：蒲公英是分水嶺

蒲公英的種子絨毛，是我這批圖裡最能拉開差距的一張：

BEN2、BiRefNet-HR、BiRefNet-general 把絨毛保留得最完整；InSPyReNet 明顯變稀；SAM 3.1 與 GroundingDINO + SAM 這兩條「找物件」的路線給的是一整團帶著綠色背景的球，因為它們是分割取向的模型，本來就不會算絨毛之間的透明度；SDMatte 在這題幾乎把整朵花變透明了，同樣是給它的那張遮罩不夠細的後果。

這一題再次確認：要處理細絲、毛邊，選 matting 取向的模型（BiRefNet 系、BEN2）；分割取向的 SAM 系列不是為這種題目設計的。

動漫與插畫：toonout 值得留

一位撐著透明雨傘的動漫少女，背景是彩色商店街：

BiRefNet-toonout（動漫專用的微調版）把雨傘、傘骨、飄動的雙馬尾都留住，透明傘面也保留了半透明；BiRefNet-HR、BEN2 同樣穩定，BEN2 的傘面透明度做得最自然；BiRefNet-portrait 則把雨傘連同頭頂一起判成背景，它是人像專用模型，人物以外的東西會直接被丟掉。rembg 的 isnet-anime 名字裡有 anime，這一題卻整把雨傘丟掉、馬尾下端也被截斷，跟前面照片全丟的表現合起來看，這款模型已經沒有留著的理由。SAM 3.1 與 GroundingDINO + SAM 用「girl」當提示，切出來的都是「只有女孩、沒有雨傘」——語意上沒錯，但如果你要的是整個角色連道具，文字提示反而礙事。

先把背景改成反差色再去背，到底好不好用

很多人（包括我）的習慣是：去背前先請 AI 編輯模型把背景換成一個跟主體反差很大的單色，想說這樣應該最好切。這張圖就是這樣來的：AI 生成的四位醫護人員，背景已經改成桃紅，前方還有一塊半透明的全息面板。

先說好的一半：反差色確實讓每一款模型都切得很準。全圖縮圖看起來大家都過關，連傳統色鍵（ColorToMask，把顏色跟桃紅很接近的像素全判成背景）都切得出人形，只是在底部留了一條粉紅；GroundingDINO + SAM 把全息面板和一部分手切掉了，那是它以框為單位的老問題。

再說壞的一半。困擾從來不在這種尺度，而是髮絲邊那一圈粉。把左側醫師的頭髮放大、貼在白底上看：

所有純遮罩模型的髮絲邊都殘留桃紅光暈——BiRefNet-dynamic、LayerStyle + VITMatte 最明顯，BiRefNet-HR 與 BEN2 最輕，但都在。這就是前面說的溢色：半透明的髮絲像素本來就混了桃紅，遮罩算得再準，那個像素的顏色還是粉的。背景改得越鮮豔，光暈越明顯——反差色反而把這個問題放大了。換模型無解。

解法在 comfyui-rmbg 節點一個預設關閉的選項：前景色估計（refine_foreground）。它會重新估算邊緣像素「不含背景色」的原本顏色，修改的是像素顏色，不只是透明度。上圖第 4 格與第 6 格是 BiRefNet-HR 與 BEN2 打開這個選項的結果，粉邊幾乎消失。

所以這個土法煉鋼的結論是：反差色要搭配前景色估計才完整，缺一個就會留光暈；兩個都做到，它確實是很穩的流程。 要提醒的還是頭紗那一題的教訓：前景色估計對細邊緣有效，遇到大面積半透明會出現髒塊，這種圖請關掉它、改用 HR-matting 或 SDMatte。

白色馬克杯與產品圖：2026 年已經不是問題

低對比的白色馬克杯放在白桌白牆前，過去是去背的經典失敗題：

現役模型全部過關，連 u2net 都切得出來，只有 isnet-anime 與 u2net_human_seg 失敗（一個是插畫專用、一個是人像專用，不算數）。三瓶不同材質的保養品也是一樣的情形：

RMBG-2.0、BiRefNet-general、BiRefNet-HR、BEN2 都能穩定切出三個瓶身，連 GroundingDINO + SAM 用「bottle」當提示也切得完整；差別在細節：Lucida 把左邊的霧面玻璃瓶留成半透明（這是它的本性），u2net 在瓶底留了一點檯面倒影的殘影。電商產品圖這種需求，任何一款 BiRefNet 系模型都夠用；瓶子是透明材質、要保留通透感時再切到半透明那一組。

節點包之間的差異：模型一樣，結果一樣嗎

同一款模型從不同節點包跑出來會不會不一樣，是另一個常被問的問題。我把 LayerStyle 與 comfyui-rmbg 的 BiRefNet-general、BEN2、InSPyReNet 三對放在一起：

權重相同的路線結果基本一致（BEN2 兩條、InSPyReNet 兩條肉眼看不出差別），差別來自兩件事：一是 LayerStyle 的 BiRefNet 節點固定 1024 推論，comfyui-rmbg 可以開到 2048，HR 模型只有在後者才能發揮；二是 LayerStyle 的 VITMatte 邊緣修飾是選配，打開之後邊緣會更柔、但在桃紅背景那題也把更多溢色留了下來。我的建議是：BiRefNet 系列走 comfyui-rmbg 節點（能開前景色估計、能開 2048），需要用文字提示切特定物件時再用 LayerStyle 的 SegmentAnythingUltra V2。

情境推薦

授權備忘：BiRefNet 全系列、BEN2、Lucida 是 MIT；RMBG-2.0 是 Bria 授權（非商用免費，商用要簽約）；SAM 3.1 是 Meta 的 SAM License。

完整 15 組對照圖

前面章節每題只挑了 8 格，這裡放上 15 張測試圖各自完整的 30 格對照（棋盤格版），順序照測試圖編號，歡迎自行放大判斷：

模型下載

多數節點第一次執行會自動下載缺的檔案；網速不穩時自動下載可能被截斷成壞檔（我遇到 RMBG-1.4 就是這樣），出現 PytorchStreamReader failed 錯誤時把該檔刪掉重抓即可。

相關文章

• Krea2 微調模型大亂鬥：官方 Turbo 對決四個社群微調，35 組同 seed 實測 — 本文 14 張測試圖用 Krea2 Turbo 生成
• 開源圖像編輯模型大亂鬥：JoyAI、Klein、Qwen 2511 同題實測 — 「先把背景改成反差色」這一步用的編輯模型
• 微軟 Mage-Flow 實測：4B 小模型四變體同場對決 — 同一套「同圖對照 + 拼接圖」的評比方法