Acerca de QuickBG
QuickBG nació de una simple frustración: ¿por qué eliminar un fondo debería costar dinero o requerir registro? Construimos una herramienta gratuita e ilimitada impulsada por IA que cualquiera puede usar — sin condiciones.
Tecnología
Modelo AI BiRefNet
Usamos BiRefNet, una red de referencia bilateral de última generación para matting de imágenes de alta resolución. Ofrece una calidad de borde superior en comparación con modelos más antiguos.
Arquitectura Serverless
Construido en la plataforma serverless de Vercel con inferencia de HuggingFace. Escala automáticamente, sin mantenimiento y mantiene los costos en cero.
Alternativa del Lado del Cliente
TensorFlow.js se ejecuta directamente en tu navegador cuando la cola está ocupada. Tus imágenes nunca salen de tu dispositivo en este modo.
Cola de Trabajos MongoDB
Los trabajos se encolan en MongoDB con limpieza automática. Las imágenes se eliminan inmediatamente después del procesamiento — nunca almacenamos tus datos.
¿Quién usa QuickBG?
FAQ
¿Qué tipo de imágenes funcionan mejor con QuickBG?
QuickBG funciona mejor en imágenes donde el sujeto tiene contraste claro contra el fondo — retratos, fotos de productos sobre fondos blancos o sólidos, mascotas y composiciones planas. También maneja casos difíciles como cabello, pelaje, vidrio y objetos semitransparentes gracias al refinamiento de bordes del modelo BiRefNet. Para mejores resultados, asegúrate de que tu sujeto esté bien iluminado y ocupe una parte significativa del encuadre.
¿Por qué QuickBG usa BiRefNet en lugar de otros modelos?
BiRefNet (Bilateral Reference Network) fue elegido porque consistentemente supera a U²-Net, MODNet y otras arquitecturas comunes en los benchmarks estándar que evaluamos. Su diseño de dos vías — una para contexto global y otra para detalle local — produce bordes más limpios, especialmente alrededor del cabello y geometría compleja. El modelo también es de código abierto y con licencia permisiva, lo que se alinea con la filosofía de QuickBG de construir sobre tecnología transparente y accesible.
¿Qué sucede con mis imágenes después del procesamiento?
Tus imágenes se procesan en memoria y se almacenan temporalmente en la cola de trabajos en MongoDB. Una vez que el resultado se entrega a tu navegador, los datos de la imagen se eliminan automáticamente de la cola. Nunca almacenamos, entrenamos ni compartimos tus cargas. El almacenamiento temporal del worker está cifrado y se limpia de forma rotativa. Para total tranquilidad, también puedes usar la alternativa del lado del cliente con TensorFlow.js, que mantiene cada píxel en tu dispositivo.
¿Quién construyó QuickBG?
QuickBG fue construido por un solo desarrollador (Yash) que estaba frustrado con las costosas herramientas de eliminación de fondos y quería crear una alternativa verdaderamente gratuita. El proyecto comenzó como un experimento de fin de semana y creció hasta convertirse en una suite completa de herramientas de edición de imágenes.
about.faqs.q5
about.faqs.a5
Hoja de ruta
Eliminación de fondos principal
Lanzado — Modelo BiRefNet, uso ilimitado
Suite de edición de imágenes
Lanzado — Redimensionar, recortar, desenfocar, reemplazar, ajustar, enfocar, convertir
Soporte multilingüe
En progreso — Inglés, Hindi, Alemán
Acceso API
Planificado — API REST para desarrolladores
Procesamiento por lotes
Planificado — Procesar carpetas enteras a la vez
Ponte en Contacto
¿Tienes preguntas, comentarios o ideas de colaboración? Nos encantaría saber de ti.
Contáctanos