凌晨刷到 Feyn Labs 那个 FeyNoBg，第一反应是又来刷榜的。拿八个 benchmark，赢的四个放大，输的四个塞表格角落，再配一句「与最佳结果差距均小于 2%」——这剧本我看过太多遍了。
但这次我把表格完整看了一遍，愣了一下。
它把输的也列出来了。DUTS-TE 0.941 输给 S3ODNet 的 0.949，CAMO-TE 0.887 输给 BiRefNet 的 0.904，DUT-OMRON 输，COD10K 也输。四赢四输，白纸黑字。
刷榜的写法不是这样的。刷榜只报你赢的那四个。
赢的四项里有一项是真东西
UHRSD-TE，超高分辨率那个——4K、8K 场景的显著对象分割。0.981 对 BiRefNet 的 0.957，差两个多点，在抠图界这不算小了。
这个结果跟它架构上动的刀是自洽的。它就是在 BiRefNet 基础上把特征提取器第三阶段从 18 个 block 加到 24 个，参数从 222M 涨到 263M——加的 41M 全砸在细粒度特征上。高分辨率赢，八成就是这刀起的作用。
预训练权重的加载方式也老实：原模型兼容权重全保留，只有新增的六个 block 从零训。没有推倒重来，没有「我们的初始化方案更好」那种玄学。这种改法我信——收益能解释，代价 41M 参数也明码标价。
真正让我想写这篇的，是训练那一段
第一个训练阶段，他们只用合成数据集 MaskFactory。结果 CAMO 涨了，DIS5K 退步了。
一般论文到这儿就开始「我们提出了 XX 策略」了。他们没绕，直接承认单一数据源泛化不够，然后去攒了个 26.1K 张的混合集——十个数据集拼的，每个源封顶 4,000 张，全部混洗，分割掩码和 alpha matte 统一转成二值前景掩码再训。
7,000 步之后，DIS5K 从退步反转成全场最佳。0.961，超过 FlowDIS 的 0.951。
这个反转是整篇里我最信的部分。因为它符合我踩过的所有坑的形状：单一分布上过拟合，数据源一掺，短板自己补上来了。「每个源封顶 4,000 张」这个细节尤其对——不封顶的话，大数据集把小数据集一淹，CAMO 那 1,000 张在 26.1K 里连个水花都打不出来。他们显然是知道这个坑才这么干的。
泼盆冷水
S-measure 这东西，懂的都懂。0.981 和 0.975，放到生产环境的抠图流水线上，用户感知为零。用户感知到的是头发丝糊不糊、半透明纱帘后面是不是抠出一块马赛克。
DAVIS-S 上 0.977 对 0.975——0.002 的胜利，跑分意义上存在，工程意义上不存在。
所以八项里真正值得看的就 UHRSD-TE 那两个点。高分辨率恰好是抠图在生产里最容易翻车的场景：电商图、印刷物料，动不动 8K 原图扔进来，模型在 1080p 上调出来的边缘到高分辨率全是锯齿。这个场景赢两个点，是有含金量的。
NoBg 这个库，顺手提一句
FeyNoBg 是用他们自己开源的 NoBg 库训的，pip install nobg 就能装，跟 Hugging Face 的 AutoModel、AutoProcessor、Trainer 都打通了。他们跑了跟原始 BiRefNet 实现的对比，batch size 1/2/4 三档，吞吐、延迟、峰值显存全占优。
库的设计上有个我比较欣赏的点：分割和抠图两套东西统一到同一个接口底下，训练目标统一成二值前景掩码。做工程的都知道，「上游数据格式打架」这种事看着不起眼，实际耗的工时比模型本身还多。把这一层抹平，比多刷 0.5 个点的 S-measure 对社区有用。
模型在 Hugging Face 上，库在 GitHub 上，都开源。加载模型存透明 PNG 的代码、用 Trainer 训自己模型的示例都给了。
为什么我愿意替它说两句
不是因为它赢了四个。是因为它的叙事结构是「我们试了 A，A 在 B 上翻车了，分析为什么，用 C 修好」——这是真做实验的人写出来的东西。
刷榜论文的叙事结构是「我们提出了 X，X 全面超越 baseline」。全面超越的，我默认先怀疑数据挑选；主动交代自己翻过车的，我反而多信三分。这跟看事故复盘一个道理——通篇挑不出任何失误的复盘，多半是写给上面看的。
补一刀：这行里最稀缺的从来不是 SOTA，是「我们在哪翻车了」那一段。模型输四个基准不丢人，把输的那四个藏起来才丢人。
本期教训：评估一个新模型，先看它有没有把输的那一半亮出来。全赢的，等它进了你的流水线再说。