Rembg Pro 的 Segment Anything 模型接入搞定了，测试结果出来那一刻，我对着屏幕骂了句脏话。不是生气，是那种被彻底颠覆的、带着点失落的快感。汉诺威那边在展什么工业4.0的宏大叙事，我蹲在北京的出租屋里，盯着这段代码，感觉到的冲击力不比现场小。传统抠图算法在它面前，像拿着锈刀片切牛排。
之前我们引以为傲的那套基于U-Net的语义分割，为了处理发丝、半透明纱裙、复杂背景边缘，堆了多少 trick。色彩空间转换、边缘梯度检测、多尺度特征融合，还得针对不同品类准备不同的预训练权重。客户一张婚纱照，头发丝和白色背景融在一起，算法一上去就糊成一团，后期师傅得用钢笔工具一根根勾，工时成本直接爆炸。我们管这叫“玄学调参”，其实心里知道，是模型“看”不见那么细的粒度。
Segment Anything 不一样。它给的是一种“暴力理解”。它不是识别“这是头发”，而是把图像里所有可能独立存在的“东西”都给你切分出来，管你是发丝、首饰反光还是背景里的一缕烟。接入 Rembg Pro 的流程其实不复杂，核心是把 SAM 的预测掩码和我们原有的后处理流水线打通。难点在速度和大尺寸图像的内存管理上。SAM 原模型吃显存太狠，一张4K图直接能爆掉消费级显卡。我用了模型蒸馏和动态分块推理，把高分辨率图片切成 overlapping 的 tiles，分别送进轻量化模型，再在掩码层面做智能拼接。这里有个坑，拼接缝的处理如果只用简单的线性融合，在纹理复杂的发丝区域会有明显的接缝断层。后来改用了基于掩码置信度的泊松融合思想，虽然多算了十几毫秒，但边缘顺滑度上了不止一个档次。
真正的“秒杀”感出现在测试集上。一组之前让我们团队加班一周都没搞定的电商模特图，背景是渐变光加彩色碎纸屑，模特头发漂染过，有大量半透明的浅色发梢。老 pipeline 上去，要么把碎纸屑当成头发抠进来，要么把发梢当成背景去掉，精度卡在 92% 死活上不去。换 SAM 方案，我调整了提示点生成策略，不用我们手动标，而是用边缘检测算法自动在疑似复杂边缘区域撒点，让 SAM 去“猜”这些点是前景还是背景。一轮推理下来，肉眼几乎找不到瑕疵，F1-score 直接飙到 98.7%。那种感觉，就像你苦练十年剑法，突然有人递给你一把枪。你以前所有关于“剑招”的精妙思考——怎么发力、怎么角度——在绝对的、粗暴的“识别能力”面前，显得有点可笑，又有点悲壮。
这还不是闭环。光抠得准没用，得放到生产环境里跑得稳。我拿 n8n 搭了个自动化测试流，每分钟从合作的电商平台 API 拉几张新品图，自动触发抠图，把结果和人工标注的 ground truth 对比，指标异常就告警。同时，把那些 SAM 处理得特别好的“困难样本”和它偶尔失利的“bad cases”自动收集起来，打上标签，回传到我们的微调数据集。这才是我想象中的 AI 闭环：模型干活，自动化流程监控它、喂养它，让它越干越好。而不是像以前，做一个项目，交付完模型就死了，下次换个场景又从零开始。
汉诺威展台上那些机械臂配合视觉系统做分拣，底层逻辑和我在抠头发丝没什么不同，都是感知、决策、执行。只不过他们的场景是物理世界，我的场景是像素矩阵。今年这种焦虑感特别实在：你去年还觉得挺牛的技术，今年可能就被一个大模型打成“传统手艺”。你得不停地拆解这些新巨头的“黑盒”，找到它能为你所用的那一部分，然后用你能掌控的自动化工具把它捆起来，让它替你赚钱。抠图是小事，但这种“拆解-接入-自动化”的肌肉记忆，才是接下来几年活命的手艺。窗外的天快亮了，我又熬了一个通宵，但这次不是因为 bug 没解掉，而是因为看到了那条缝，那条旧世界和新世界之间的缝，你得挤过去。
