メインコンテンツへスキップ
RMBG 3.0 は Bria の3番目の背景除去モデルであり、セグメンテーションネットワークではなく生成モデルをベースに構築された最初のモデルです。硬いバイナリマスクではなく、柔らかなグレースケールのアルファマットをレンダリングするため、髪、毛皮、メッシュ、ベール、モーションブラーは部分的な透明性を保ちます。 ベースは Fibo 2.0 で、8B の diffusion transformer と Qwen3-VL-4B のプロンプト・画像エンコーダを備え、classifier-free guidance なしで4サンプリングステップに蒸留されています。ComfyUI のサポートは ComfyUI #17240 で追加され、テンプレートには ComfyUI 0.46.0 以降が必要です。 ワークフローは画像を1枚入力し、RGBA カットアウト、背景プレート、処理済みマットの3つを出力します。
ComfyUI が最新版に更新されていることを確認してください。このガイドで紹介するワークフローは、ワークフローテンプレートから入手できます。 テンプレート内に該当のワークフローが見つからない場合、ComfyUI のバージョンが古くなっている可能性があります。ワークフローを読み込んだ際にノードが欠落している場合の考えられる原因:
  1. 最新の ComfyUI(Nightly 版)を使用していない
  2. 起動時に一部のノードのインポートに失敗している

背景を除去: RMBG 3.0

前後の比較を含む RMBG 3.0 の背景除去ワークフロー

ワークフローをダウンロード

JSON をダウンロードするか、テンプレートライブラリで “背景を除去: RMBG 3.0” を検索してください
モデル

Diffusion Model

rmbg3_int8_convrot.safetensors → ComfyUI/models/diffusion_models/

Text Encoder

qwen3vl_4b_int8_convrot.safetensors → ComfyUI/models/text_encoders/

VAE

flux2-vae.safetensors → ComfyUI/models/vae/
同じリポジトリには diffusion model と text encoder の BF16 版も用意されています。メモリと引き換えに精度を優先したい場合はこちらを使用してください。 入力マテリアル

withered_hydrangeas_still_life_vintage_lit.png

LoadImage ノードに読み込む
  1. 写真を LoadImage ノードにドロップします。
  2. auto_prompt をオンにします。テンプレートの初期値はオフです。オフのままだと固定の指示が送信され、subject_note は使われません。
  3. 任意: subject_note にマテリアルについての短い一文を記述します。例: Clear glass bottle, paper label, metal cap
  4. ワークフローを実行します。SaveImage は両方の結果を ComfyUI/output/rmbg3/ に出力します。

ワークフローのコントロール項目

  • auto_prompt: オンの場合、視覚モデルが画像と subject_note からマッティング指示を作成します。オフの場合、モデルが学習時に用いた固定の指示がそのまま送信され、subject_note は無視されます。
  • cfg: 1.0 のままにしてください。このモデルはガイダンスなしで蒸留されているため、値を大きくするとソースへの忠実度を犠牲にして透明度が優先されます。
  • alpha_brightness、alpha_contrast、mask_threshold、hard_mask: マットの後処理です。柔らかいエッジを保つには hard_mask をオフのままにします。
  • mask_expand、mask_tapered_corners: 適用前にマットを拡張し、角を丸めます。

切り抜きがうまくいかない場合

モデル自体に由来する制限が 2 つあります。非常に複雑なシーンやコントラストの低いシーンでは、被写体の隣にある草、小道具、ウォーターマークまで取り込んでしまうことがあり、昆虫の羽のような細かい構造ではピクセルが失われることがあります。

ライセンス

重みは CC BY-NC 4.0 の下で公開されています。商用利用には Bria との別途契約が必要で、セルフホスト型ライセンスまたは Bria API のいずれかとなります。Bria パートナーノードは同じモデルをこの API 経由で実行します。