À propos de QuickBG
QuickBG est né d'une simple frustration : pourquoi supprimer un arrière-plan devrait-il coûter de l'argent ou nécessiter une inscription ? Nous avons construit un outil IA gratuit et illimité que tout le monde peut utiliser — sans aucune condition.
Technologie
Modèle IA BiRefNet
Nous utilisons BiRefNet, un réseau de référence bilatéral de pointe pour le matting d'images haute résolution. Il offre une qualité de bord supérieure par rapport aux anciens modèles.
Architecture sans serveur
Construit sur la plateforme sans serveur de Vercel avec l'inférence HuggingFace. Mise à l'échelle automatique, maintenance zéro, et maintient les coûts à zéro.
Repli côté client
TensorFlow.js s'exécute directement dans votre navigateur lorsque la file d'attente est occupée. Vos images ne quittent jamais votre appareil dans ce mode.
File d'attente MongoDB
Les tâches sont mises en file d'attente dans MongoDB avec un nettoyage automatique. Les images sont purgées immédiatement après le traitement — nous ne stockons jamais vos données.
Qui utilise QuickBG ?
FAQ
Quel type d'images fonctionne le mieux avec QuickBG ?
QuickBG fonctionne mieux sur les images où le sujet a un contraste clair avec l'arrière-plan — portraits, photos de produits sur fonds blancs ou unis, animaux domestiques et compositions à plat. Il gère également les cas difficiles comme les cheveux, la fourrure, le verre et les objets semi-transparents grâce au raffinement des limites du modèle BiRefNet. Pour de meilleurs résultats, assurez-vous que votre sujet est bien éclairé et occupe une partie significative du cadre.
Pourquoi QuickBG utilise-t-il BiRefNet plutôt que d'autres modèles ?
BiRefNet (Bilateral Reference Network) a été choisi car il surpasse systématiquement U²-Net, MODNet et d'autres architectures courantes sur les références standard que nous avons évaluées. Sa conception à deux chemins — un pour le contexte global et un pour les détails locaux — produit des bords plus propres, en particulier autour des cheveux et des géométries complexes. Le modèle est également open-source et sous licence permissive, ce qui correspond à la philosophie de QuickBG de construire sur une technologie transparente et accessible.
Qu'arrive-t-il à mes images après le traitement ?
Vos images sont traitées en mémoire et stockées temporairement dans la file d'attente MongoDB. Une fois le résultat livré à votre navigateur, les données d'image sont automatiquement purgées de la file d'attente. Nous ne stockons, n'entraînons ni ne partageons jamais vos téléversements. Le stockage temporaire du worker est chiffré et effacé de manière rotative. Pour une tranquillité d'esprit totale, vous pouvez également utiliser le repli côté client TensorFlow.js, qui conserve chaque pixel sur votre appareil.
Qui a construit QuickBG ?
QuickBG a été construit par un seul développeur (Yash) qui était frustré par les outils coûteux de suppression d'arrière-plan et voulait créer une alternative vraiment gratuite. Le projet a commencé comme une expérience de week-end et a grandi pour devenir une suite complète d'outils de retouche d'images.
Quelle est la feuille de route de QuickBG ?
Les fonctionnalités à venir incluent : le traitement par lots pour les utilisateurs avancés, l'accès API pour les développeurs, davantage de modèles IA pour des cas d'utilisation spécialisés et une prise en charge étendue des formats. Les outils de base resteront toujours gratuits.
Feuille de route
Suppression d'arrière-plan de base
Livré — Modèle BiRefNet, utilisation illimitée
Suite de retouche d'images
Livré — Redimensionner, recadrer, flouter, remplacer, ajuster, nettoyer, convertir
Support multilingue
En cours — Anglais, Hindi, Allemand
Accès API
Prévu — API REST pour les développeurs
Traitement par lots
Prévu — Traiter des dossiers entiers à la fois
Prenez contact
Vous avez des questions, des commentaires ou des idées de partenariat ? Nous aimerions avoir de vos nouvelles.
Contactez-nous