通过 BiRefNet 模型一键移除图像背景，生成透明 PNG，专为电商产品图、人像抠图和设计师工作流优化
说明：
## 核心用法
Background Removal 技能基于 BiRefNet 模型，通过 inference.sh CLI 提供高精度背景移除服务。用户可通过 `infsh app run infsh/birefnet` 命令直接处理图像 URL，或使用 `falai/reve` 实现更灵活的背景编辑（如替换为特定场景）。技能支持从图像生成到背景移除的完整工作流，与 FLUX 等生成模型无缝衔接。
## 显著优点
1. **模型精度高**：BiRefNet 是学术界公认的 SOTA 级背景分割模型，边缘处理细腻，尤其擅长发丝、半透明物体等复杂场景
2. **零本地依赖**：纯云端推理，无需 GPU 或 Python 环境，curl 一键安装 CLI 即可使用
3. **输出标准化**：直接返回透明背景 PNG，无需格式转换
4. **生态整合**：与 inference.sh 平台 150+ 图像应用形成工作流，支持生成-编辑闭环
5. **权限设计安全**：安装脚本仅下载二进制并校验 SHA-256，不请求提权，无后台驻留
## 潜在局限
– **网络依赖**：必须联网调用 inference.sh 服务，无法离线使用
– **隐私考量**：图像需上传至云端处理，敏感素材存在数据传输风险
– **成本控制**：高频调用可能产生平台费用（文档未明确免费额度）
– **精细化限制**：极端复杂背景（如前景背景高度相似）可能需要手动修正
## 适合人群
电商运营（批量处理产品图）、平面设计师（素材预处理）、内容创作者（社交媒体配图）、开发集成者（自动化图像处理 pipeline）
## 常规风险
– 依赖第三方服务可用性，存在单点故障风险
– 模型可能误删前景细节，关键用途建议人工复核
– API token 需妥善保管，避免泄露导致额度盗用
