Rimuovere lo sfondo da un’immagine

Come si calcola

Rimuovere lo sfondo senza caricare la foto

I servizi di scontorno più noti inviano la foto ai loro server e spesso fanno pagare la piena risoluzione. Qui un modello di IA lavora direttamente nel tuo browser: la foto resta sul tuo dispositivo e il risultato ha la stessa risoluzione dell’originale.

Come funziona

1. Trascina, scegli o incolla (Ctrl + V) una foto.
2. Scegli il risultato: PNG trasparente (grafica, negozi, presentazioni) o JPG a tinta unita, ad esempio bianco per le foto prodotto.
3. «Rimuovi sfondo»: prima e dopo compaiono affiancati. Se poi cambi bordi o colore, l’immagine si ricompone subito senza un nuovo riconoscimento.

La tecnologia

Il soggetto viene riconosciuto da BiRefNet, un modello per separare con precisione primo piano e sfondo (Zheng et al., 2024, licenza MIT). Lavora a 512 × 512 pixel e produce una maschera con passaggi morbidi, ingrandita alla dimensione originale e applicata come trasparenza. Il calcolo usa ONNX Runtime Web: sulla scheda grafica (WebGPU) se il browser lo consente, altrimenti sul processore. Per il browser il modello è ridotto a 8 bit per peso (circa 60 MB) e resta salvato dopo il primo caricamento.

Limiti onesti

• Primo caricamento: circa 66 MB (modello e motore), poi nessun altro download.
• Tempo: pochi secondi con la scheda grafica, 10–60 secondi per immagine con il solo processore.
• Dettagli fini come singoli capelli o vetro non sempre vengono perfetti; «morbidi» aiuta con i capelli, «netti» con i prodotti.
• Più soggetti: il modello scontorna quello più evidente e può tralasciarne altri.
• Le immagini oltre 16 megapixel vengono ridotte a 16 MP nel risultato (limite di molti smartphone).

Privacy

La foto non lascia il dispositivo. Da questo sito arrivano solo i file del programma e del modello; il modello resta nella cache del browser e si elimina con «Cancella dati del sito».

Strumenti collegati: Foto per passaporto, Ritagliare immagine e Comprimere immagine.

Domande frequenti

Fonti e riferimenti normativi

• Zheng et al. (2024): Bilateral Reference for High-Resolution Dichotomous Image Segmentation (BiRefNet), arXiv:2401.03407
• BiRefNet_lite – Modellgewichte (Hugging Face, Lizenz MIT)
• birefnet-lite-512 – ONNX-Export 512 × 512 (Hugging Face, Lizenz MIT)
• ONNX Runtime Web – WebGPU Execution Provider (Microsoft, MIT)
• Lizenzen, Quellen und Prüfsummen (ONNX Runtime MIT, BiRefNet MIT)
• MDN – CacheStorage

Aggiornato al: 28 settembre 2026