複数の画像にも対応した背景除去「rembg UI」

セルフホスト出来る背景除去ツールです。モデル選択可能なほか、複数の画像にも対応しており、実用的なツールとなっています。

スクリプトの流れ
完了後のアクセス方法
使用出来るモデルの特徴

スクリプトの流れ

apt パッケージを最低限インストール（libgl1, python3-venv など）
専用ユーザー rembg と /opt/rembg ディレクトリを作成
Python venv に rembg[cpu,cli] + Gradio をインストール
u2net モデルを事前ダウンロード（~170MB）
systemd サービスとして登録・自動起動設定
起動確認 → アクセス先URLを表示

#!/usr/bin/env bash
# ============================================================
#  rembg UI セルフホスト インストールスクリプト
#  対象: Ubuntu 22.04 / 24.04 (LXD コンテナ / 直インストール両対応)
#  実行方法: bash install_rembg.sh
# ============================================================
set -euo pipefail

PORT=7000
INSTALL_DIR="/opt/rembg"
SERVICE_USER="rembg"
MODEL_DIR="/opt/rembg/models"

RED='\033[0;31m'; GREEN='\033[0;32m'; YELLOW='\033[1;33m'; NC='\033[0m'
info()    { echo -e "${GREEN}[INFO]${NC}  $*"; }
warn()    { echo -e "${YELLOW}[WARN]${NC}  $*"; }
error()   { echo -e "${RED}[ERROR]${NC} $*"; exit 1; }

# ── 0. root チェック ──────────────────────────────────────────
[[ $EUID -eq 0 ]] || error "このスクリプトは root (または sudo) で実行してください"

# ── 1. 基本パッケージ ─────────────────────────────────────────
info "システムパッケージを更新中..."
apt-get update -qq
apt-get install -y --no-install-recommends \
    python3 python3-pip python3-venv \
    libgl1 libglib2.0-0 \
    curl wget ca-certificates \
    > /dev/null

# ── 2. 専用ユーザー & ディレクトリ ───────────────────────────
info "専用ユーザー '$SERVICE_USER' を作成中..."
id "$SERVICE_USER" &>/dev/null || useradd -r -m -d "$INSTALL_DIR" -s /bin/bash "$SERVICE_USER"
mkdir -p "$INSTALL_DIR" "$MODEL_DIR"
chown -R "$SERVICE_USER":"$SERVICE_USER" "$INSTALL_DIR"

# ── 3. Python 仮想環境 & rembg インストール ───────────────────
info "Python 仮想環境を作成中..."
sudo -u "$SERVICE_USER" python3 -m venv "$INSTALL_DIR/venv"

info "rembg[cpu,cli] をインストール中 (数分かかります)..."
sudo -u "$SERVICE_USER" "$INSTALL_DIR/venv/bin/pip" install --quiet --upgrade pip
sudo -u "$SERVICE_USER" "$INSTALL_DIR/venv/bin/pip" install --quiet \
    "rembg[cpu,cli]" \
    "gradio>=4.0" \
    "onnxruntime"

# ── 4. モデルの事前ダウンロード ───────────────────────────────
info "デフォルトモデル (u2net) を事前ダウンロード中..."
sudo -u "$SERVICE_USER" env \
    U2NET_HOME="$MODEL_DIR" \
    HOME="$INSTALL_DIR" \
    "$INSTALL_DIR/venv/bin/python3" -c "
from rembg.session_factory import new_session
new_session('u2net')
print('モデルのダウンロード完了')
" || warn "モデルの事前ダウンロードに失敗しました (起動時に自動ダウンロードされます)"

# ── 5. systemd サービス登録 ───────────────────────────────────
info "systemd サービスを登録中..."

cat > /etc/systemd/system/rembg.service << EOF
[Unit]
Description=rembg Background Removal UI Server
After=network.target
Wants=network-online.target

[Service]
Type=simple
User=${SERVICE_USER}
Group=${SERVICE_USER}
WorkingDirectory=${INSTALL_DIR}
Environment="HOME=${INSTALL_DIR}"
Environment="U2NET_HOME=${MODEL_DIR}"
Environment="GRADIO_SERVER_NAME=0.0.0.0"
ExecStart=${INSTALL_DIR}/venv/bin/rembg s \
    --host 0.0.0.0 \
    --port ${PORT} \
    --log_level info
Restart=on-failure
RestartSec=5
StandardOutput=journal
StandardError=journal
SyslogIdentifier=rembg

# セキュリティ強化
NoNewPrivileges=true
PrivateTmp=true
ProtectSystem=strict
ReadWritePaths=${INSTALL_DIR}

[Install]
WantedBy=multi-user.target
EOF

systemctl daemon-reload
systemctl enable rembg
systemctl restart rembg

# ── 6. 起動確認 ──────────────────────────────────────────────
info "サービスの起動を確認中 (最大30秒待機)..."
for i in $(seq 1 30); do
    if curl -sf "http://127.0.0.1:${PORT}/" > /dev/null 2>&1; then
        break
    fi
    sleep 1
done

# ── 7. 完了メッセージ ─────────────────────────────────────────
echo ""
echo -e "${GREEN}╔══════════════════════════════════════════════════╗${NC}"
echo -e "${GREEN}║        rembg UI インストール完了!                ║${NC}"
echo -e "${GREEN}╚══════════════════════════════════════════════════╝${NC}"
echo ""

# LXDコンテナのIPを取得
CONTAINER_IP=$(hostname -I | awk '{print $1}')
echo -e "  🌐 Web UI:    ${GREEN}http://${CONTAINER_IP}:${PORT}${NC}"
echo -e "  📡 API:       ${GREEN}http://${CONTAINER_IP}:${PORT}/api${NC}"
echo -e "  📁 モデル:    ${MODEL_DIR}"
echo ""
echo -e "  サービス管理:"
echo -e "    状態確認:  ${YELLOW}systemctl status rembg${NC}"
echo -e "    ログ確認:  ${YELLOW}journalctl -u rembg -f${NC}"
echo -e "    停止:      ${YELLOW}systemctl stop rembg${NC}"
echo -e "    再起動:    ${YELLOW}systemctl restart rembg${NC}"
echo ""
echo -e "  APIテスト例:"
echo -e "    ${YELLOW}curl -s -F file=@input.jpg http://${CONTAINER_IP}:${PORT}/api/remove -o output.png${NC}"
echo ""

# LXDホストからのポートフォワード案内
echo -e "  💡 LXDホストからアクセスする場合:"
echo -e "    ${YELLOW}lxc config device add <コンテナ名> rembg-port proxy \\"
echo -e "      listen=tcp:0.0.0.0:${PORT} connect=tcp:127.0.0.1:${PORT}${NC}"
echo ""

完了後のアクセス方法

用途	URL
Gradio Web UI	`http://<コンテナIP>:7000`
API ドキュメント	`http://<コンテナIP>:7000/api`

LXDホストからポートフォワードする場合は、スクリプト末尾に表示されるコマンドを実行してください。

lxc config device add <コンテナ名> rembg-port proxy \
  listen=tcp:0.0.0.0:7000 connect=tcp:127.0.0.1:7000

その後、ホストの http://localhost:7000 で直接アクセスできます。
モデルは簡単に切り替え可能です。

使用出来るモデルの特徴

モデル名	公式説明・特徴	主な用途・おすすめシーン	サイズ目安 / 速度の傾向	精度の傾向・特記事項
u2net (デフォルト)	汎用性の高い事前学習モデル	一般的な背景除去（写真・イラスト問わず）	大（約176MB） / 標準	高精度・バランス良し。最も安定
u2netp	u2netの軽量版	速度重視の大量処理	超軽量（4.7MB） / 非常に速い	やや精度↓だが十分実用的
u2net_human_seg	人体セグメンテーション専用	人物写真・ポートレート	中 / 標準	人物の輪郭が非常に綺麗
u2net_cloth_seg	衣服解析専用（上半身・下半身・全身に分類）	ファッション・服の切り抜き	中 / 標準	衣服の境界が正確
silueta	u2netと同等品質だがサイズを43MBに圧縮	軽量かつ高品質を両立	43MB / 高速	u2net並の品質＋高速
isnet-general-use	新世代の汎用モデル	一般写真・最新の汎用処理	中 / 高速	最近の画像で特に強い
isnet-anime	アニメキャラクター高精度セグメンテーション	アニメ・イラスト・2Dキャラ	中 / 標準	アニメ特化で最高クラス
sam	Segment Anything Model（エンコーダ＋デコーダ）	どんな画像も柔軟に処理	大 / やや重	万能だがリソース多め
birefnet-general	BiRefNetの汎用版（最新SOTA寄り）	高精度を求める一般用途	大 / やや遅め	細部（髪・透明物）で優秀
birefnet-general-lite	BiRefNetの軽量版	速度と精度のバランス	軽量 / 高速	軽快で実用的
birefnet-portrait	人物ポートレート専用BiRefNet	人物写真・セルフィー	中 / 標準	ポートレート最強
birefnet-dis	二値画像セグメンテーション（DIS）専用	シンプルな前景・背景分離	中 / 標準	明暗差の大きい画像に強い
birefnet-hrsod	高解像度顕著物体検出（HRSOD）専用	高解像度画像・詳細重視	大 / やや遅め	4K以上で特に有効
birefnet-cod	隠蔽物体検出（Concealed Object Detection）専用	背景に溶け込むような物体	大 / 遅め	迷彩・隠れた物体に特化
birefnet-massive	大規模データセットで学習したBiRefNet	最高峰の汎用高精度	最大 / 遅め	現時点で最強クラス
bria-rmbg	BRIA AIによるState-of-the-Art背景除去モデル	最高精度を求めるプロ用途	大 / 標準〜やや遅	現時点で最先端