remove.ac · 独立技术指南
浏览器抠图 WebGPU 还是 WASM?489 条真实设备耗时,以及我们停用 WebGPU 的原因
公开浏览器端去背景真实设备遥测:2026 年 9 月 8 日至 10 月 11 日共 489 条样本(首次抠图 130 条),按 WebGPU / WASM、桌面 / 手机、CPU 核数列出 p50 / p95,并复盘 WebGPU 更快却因量化输出异常被停用的原因。
发布于 · 资料核对 · Read in English
网上关于 WebGPU 和 WASM 的去背景对比,多数是在一台高端电脑上测出的单个数字。remove.ac(由原中文站「抠图侠」浏览器内核统一升级而来)把免费抠图模型直接跑在访客自己的浏览器里,耗时遥测按执行后端和设备档分桶上报,因此可以公开一张跨设备的真实分布表。
先说结论:同一台机器、同一张图,WebGPU 的纯推理确实快好几倍;但在真实访客设备上,首次抠图还要算上运行时加载与预热,差距会明显收窄。更关键的是,ONNX Runtime Web 1.27 的 WebGPU 后端在我们的 int8 权重上算出了错误结果,因此自 2026 年 9 月 13 日起线上统一只走确定性的 WASM。
数据快照(2026 年 10 月 14 日):本页表格取自基准数据接口在 10 月 14 日的导出,覆盖 2026 年 9 月 8 日至 10 月 11 日上报的 489 条样本(其中首次抠图 130 条)。实时滚动分位数请以按小时刷新的 性能基准与数据集页 为准;样本少于 30 条的行统计意义有限,表中均列出了原始样本数。
1. 同一台机器、同一张图:WebGPU 推理快约 6 倍,但结果算错了
2026 年 9 月 13 日,我们在开发机(Apple M4、16 GB)的浏览器里,用同一份 1024 输入的 int8 模型、同一张图、同一个页面对比了两个后端:WASM 纯推理 16.8 秒,WebGPU 2.8 秒;把同一模型换成 fp32 权重走 WebGPU 是 3.7 秒。
问题不在速度,而在数值正确性。int8 加 WebGPU 输出的 logit 下界只有 −5.34(WASM 是 −20.70),背景一侧的置信度整个塌掉,alpha ≤ 0.05 的像素占比从 76.0% 掉到 2.2%。而 fp32 走 WebGPU 的结果与 WASM 完全一致,说明出错的是 int8 权重的 DequantizeLinear 在 ORT-web 1.27 WebGPU 后端上的实现,而不是 WebGPU 本身。
落到成品质量上:7 张不透明物(AIM-500 数据集,生产构建、真浏览器)与真值比,WebGPU 1024 的 SAD 中位数高达 6.15,而 WASM 1024 是 1.10,7 张全部是 WASM 更好。当天我们就停用了线上 WebGPU。
2. 停用 WebGPU 之后,WASM 如何用 FP16 把速度追回来
WASM 此前偏慢,一部分原因同样来自 int8:反量化让 WASM 多做了一层运算。把模型权重换成 fp16(约 78.2 MiB 下载体积)之后,同一张图 1024 输入的纯推理从 16.8 秒降到 6.95 秒,端到端约 8.0 秒,与此前用户在 WebGPU 上拿到的 6 到 8 秒持平,同时边缘质量回到 SAD 中位数 1.10。
因此在浏览器里部署量化视觉模型时,必须先确认 WebGPU 输出与 WASM 逐数值对齐,再谈速度。我们恢复 WebGPU 的前提条件是 fp16 权重在真浏览器里与 WASM 对拍通过;按 9 月 13 日的工程记录,fp16 转换卡在一个混合类型的 Conv 算子上,线上至今保持纯 WASM 运行。
3. 真实访客设备上的耗时分布(2026-09-08 至 10-11,共 489 条样本)
下表展示遥测里的「首次抠图」阶段——从点下按钮到拿到合成结果,含解码、前处理、推理与引导滤波合成,按后端、设备类型和 CPU 核数分桶。WebGPU 行全部是 9 月 8 日至 12 日停用前的记录(768 输入),而窗口内多数 WASM 行使用 512 输入;两者输入尺寸不同,并非严格的同条件跑分。
| 后端 · 设备 · CPU 核数 | 模型输入 | 样本数 | p50 | p95 |
|---|---|---|---|---|
| WebGPU · 桌面 · 12 核以上 | 768 | 2 | 4.7 秒 | 7.4 秒 |
| WebGPU · 桌面 · 8–11 核 | 768 | 1 | 4.8 秒 | 仅 1 条 |
| WebGPU · 桌面 · 4–7 核 | 768 | 3 | 14.3 秒 | 17.2 秒 |
| WebGPU · 手机 · 8–11 核 | 768 | 2 | 12.2 秒 | 12.3 秒 |
| WASM · 桌面 · 12 核以上 | 512 | 33 | 3.6 秒 | 9.7 秒 |
| WASM · 桌面 · 12 核以上 | 768 | 1 | 6.1 秒 | 仅 1 条 |
| WASM · 桌面 · 8–11 核 | 512 | 72 | 2.1 秒 | 10.2 秒 |
| WASM · 桌面 · 4–7 核 | 512 | 3 | 11.3 秒 | 14.6 秒 |
| WASM · 桌面 · 1–3 核 | 512 | 6 | 5.2 秒 | 6.4 秒 |
| WASM · 手机 · 8–11 核 | 512 | 5 | 4.1 秒 | 5.4 秒 |
| 单线程 WASM · 手机 · 8–11 核 | 768 | 2 | 44.1 秒 | 44.9 秒 |
核心观察:桌面 8–11 核的 WASM 首次抠图 p50 为 2.1 秒(72 条),p95 为 10.2 秒;WebGPU 在 4–7 核桌面上首次抠图 p50 反而是 14.3 秒(3 条,仅建 session 就耗时 8.5 秒),其真正优势在热跑(桌面 8–11 核后续抠图 p50 为 1.6 秒,3 条)。在手机上,多线程 WASM(p50 4.1 秒,5 条,512 输入)与单线程 WASM(p50 44.1 秒,2 条,768 输入)的差距,远大于选择哪个后端。
4. 数据边界、常见问题与本机复现方法
隐私与统计边界:遥测在浏览器内先把设备归入粗分桶(桌面或移动、CPU 核数档)再上报,绝不收集 User-Agent 原文、图片字节或文件名,也不做跨会话去重;因此同一个人抠十张图会贡献十条样本,我们也无法区分具体手机型号。
- 打开实时刷新的 性能基准与数据集页 查看模型下载、缓存命中、会话加载、首次抠图与后续抠图五个阶段,并下载 CC BY 4.0 协议的 JSON / CSV 原始汇总。
- 保持窗口在前台(后台标签页会被浏览器降级限频),打开 DevTools 的 Network 面板,在 本机图片编辑器(内置手动「擦除 / 恢复」画笔与 12 步撤销/重做)或 50 张本地批量处理工作台 中处理一张样张。
- 当会话命中 20% 匿名抽样时(可在基准页底部随时一键关闭),查看发往 /api/benchmarks/collect 的请求体即可读出与上表同口径的首次抠图与纯推理毫秒数。
- WebGPU 抠图一定比 WASM 快吗?纯推理在同机同图 int8 权重下为 2.8 秒对 16.8 秒,但计入着色器编译与建会话后,真实桌面首次抠图 p50 在 4.7 到 14.3 秒之间,只有连续热跑优势才稳定。
- 测速时图片会上传服务器吗?免费本机模式绝不上传图片;遥测仅发送耗时毫秒数与粗分档硬件信息,不含任何图像或文件派生特征。
参考出处
本文引用的各方官方文档与公开基准数据列表。第三方条款、价格与接口随时可能调整,上线前请以各方最新页面为准。
- remove.ac 公开性能基准与数据集(按小时刷新)
滚动 90 天真实设备 WebAssembly p50/p95 延迟分布及遥测开关。
- 原始基准汇总 CSV 下载(CC BY 4.0)
包含 phase、backend、device_class、cpu_bucket、samples、p50_ms、p95_ms 与 ort_p50_ms 的机器可读表格。
- ONNX Runtime Web:WebGPU 执行提供器文档
ORT-web 官方 WebGPU 后端架构与算子支持说明。
- remove.ac 隐私政策
本机零上传承诺与匿名性能遥测字段说明。
remove.ac 独立编辑内容。本文不代表与文中提及的任何第三方平台存在合作、背书或官方接替关系。