BiRefNet vs rembg vs U2Net: 실제 프로덕션에서 작동하는 배경 제거 모델은?

Source: Dev.to

왜 이것이 생각보다 더 중요한가

배경 제거는 이미 해결된 문제처럼 들리지만, 그렇지 않습니다.

실패 사례는 가혹합니다: 머리카락이 블록 같은 후광으로 변하고, 유리 물체가 사라지며, 흰 배경 위의 제품이 부분적으로 사라지고, 반투명 천이 불투명해집니다. 각 모델은 서로 다르게 실패하며, 이러한 실패는 대규모로 적용했을 때 비로소 드러납니다.

세 가지 모델

• rembg – 클래식 모델. ISNet과 U2Net을 통합 API로 감쌉니다. 널리 사용되고 로컬에서 실행하기 쉽지만, 머리카락, 털, 투명 물체와 같은 섬세한 디테일에 약합니다. 피사체와 배경의 대비가 뚜렷한 단순 제품 사진에 적합합니다.
• U2Net – 학술적 조상 모델. 일반 목적의 세그멘테이션에 강하지만, 주로 눈에 띄는 객체 탐지 작업에 대해 학습되었으며, 제품 사진이나 인물 사진에 특화되지 않았습니다. 빠르고 VRAM 요구량이 낮습니다.
• BiRefNet – 2025년 현재 최첨단 모델. Bilateral Reference Network는 고해상도 레퍼런스 특징을 사용해 미세한 가장자리를 보존합니다. 머리카락, 투명 유리, 복잡한 천, 다중 객체 장면을 두 대안보다 현저히 잘 처리합니다.

벤치마크: 실제 제품 이미지 500장

같은 500장(의류, 전자제품, 식품, 화장품 혼합)을 세 모델에 모두 적용해 보았습니다:

이 결과는 선택된 것이 아닙니다. 머리카락 정확도에서 6 % 차이는 500장 배치당 약 30장의 이미지를 수동으로 보정해야 함을 의미합니다—실제 규모에서는 비용 절감 효과가 사라집니다.

코드 비교

rembg를 로컬에서 실행하기

from rembg import remove
from PIL import Image

input_image = Image.open("product.jpg")
output = remove(input_image)
output.save("output.png")

로컬에서는 잘 동작합니다. 하지만 단점은 CPU에서는 이미지당 3–8 초가 걸린다는 점입니다. GPU를 사용하려면 CUDA 설정, 모델 다운로드, 의존성 관리가 필요합니다. 한 번만 쓰는 스크립트엔 괜찮지만, 규모를 키우기엔 고통스럽습니다.

인프라 없이 API로 BiRefNet 사용하기

import requests

response = requests.post(
    "https://api.pixelapi.dev/v1/edit",
    headers={"Authorization": "Bearer YOUR_KEY"},
    json={
        "operation": "remove-bg",
        "image_url": "https://yourcdn.com/product.jpg"
    }
)
clean_url = response.json()["output_url"]  # Transparent PNG, <2 s

동일한 BiRefNet 모델을 사용하지만 GPU 설정이나 의존성 문제 없이 바로 이용할 수 있습니다.

언제 어떤 모델을 사용해야 할까

rembg/U2Net를 사용해야 할 경우:

• 가끔 로컬에서 처리할 때
• 배경이 단색인 간단한 제품 이미지일 때
• API 의존성을 전혀 원하지 않을 때

BiRefNet를 사용해야 할 경우:

• 대규모로 일관된 품질이 필요할 때
• 이미지에 사람, 머리카락, 의류, 유리 등이 포함될 때
• 고객이 실제로 보게 될 서비스를 구축할 때

“충분히 좋은”의 숨은 비용

월 10 000장의 이미지를 처리한다면, 10 %의 품질 실패율은 1 000장의 이미지를 수동 검토해야 함을 의미합니다. 어느 정도의 인건비만으로도 저가 API와 고품질 API 사이의 차이를 압도합니다.

BiRefNet은 PixelAPI에서 이미지당 10 크레딧으로 실행됩니다. Starter 플랜에서는 월 기본 요금에 1 000장을 포함합니다. 수동 보정 비용을 없애면 비용 구조가 급격히 변합니다.

직접 사용해 보기

pixelapi.dev에서 무료 크레딧을 받아보세요—카드 정보가 필요 없습니다. 가장 어려운 테스트 이미지를 직접 실행해 보세요.

PixelAPI는 전용 RTX GPU에서 BiRefNet을 실행합니다. 콜드 스타트 없이 2 초 이하에 결과를 제공합니다.