Default reuse-as-seg OFF; default expandable_segments on Linux/WSL

Two default flips for server-edition:

1. cross_check.reuse_as_seg now defaults to false (settings + default.yaml + CLI help): the dedicated segmenter keeps its own forward and the cross-check veto stays an independent second signal. The reuse remains available via --cross-check-as-seg / config; measured cost of off vs on: ~20 s/image on CPU, +0.1-0.25 s and +0.9-1.3 GB VRAM on GPU (13.3 vs 12.0 GB reserved under expandable segments -- still fits a 16 GB card).

2. bgfilter/__init__.py defaults PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True on non-Windows platforms, before torch loads (setdefault: an explicit env value wins; native Windows is excluded because torch warns and ignores it there). Measured: reserved 15.3 -> 12.0 GB and ~10% faster on the RTX 5070 Ti; no effect on CPU-only runs.

README/DEPLOY(_ZH) synced: reuse documented as opt-in, GPU profile numbers updated for both reuse states, perf table labeled with the config it was measured under.

Verified: defaults resolve off/set as intended on Windows and WSL; explicit PYTORCH_CUDA_ALLOC_CONF override wins.

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>

DEPLOY_ZH.md

@@ -150,14 +150,17 @@ hf download ZhengPeng7/BiRefNet_HR-matting       --local-dir models/BiRefNet_HR-
 ### cross-check 否决（默认开启）
 
 管线会再跑一个高分辨率 matting 模型（`ZhengPeng7/BiRefNet_HR-matting`，约 425 MB）
-作为"第二意见"，清理发丝间残留的背景色。**CLI 和 HTTP 服务都默认开启**，而且开了
-reuse-as-seg 之后，在 birefnet 后端这同一次前向还兼作分割掩码——它是**替换**了 primary
-分割模型，而不是额外叠加。因此**必须备好这个模型**（上面方案 A 或 B）：
+作为"第二意见"，清理发丝间残留的背景色。**CLI 和 HTTP 服务都默认开启**，因此**必须
+备好这个模型**（上面方案 A 或 B）：
 
 - ⚠️ **离线服务器（`HF_HUB_OFFLINE=1`）必须在第一个请求前就备好它**，否则每个默认请求都会
   失败——运行时它无法联网下载模型。
 - 服务级关闭：`BGFILTER_CROSS_CHECK=0`；或按请求覆盖：表单字段 `cross_check`（`true`/`false`）。
-- 服务启动时会随暖机集一起预载它；在 birefnet 后端，冗余的 primary 分割模型会被跳过。
+- 服务启动时会随暖机集一起预载它。
+- 可选：配置里 `cross_check.reuse_as_seg: true`（默认**关**）可让这次前向在 birefnet
+  后端兼作分割掩码——**替换**而非叠加 primary 分割模型（CPU 快约 20 秒/张、GPU 省约
+  1 GB 显存；此时冗余的 primary 分割模型在启动时会被跳过）。默认关闭是为了让否决
+  保持为独立信号。
 
 ### 墙内下载（国内网络）
 
@@ -270,16 +273,15 @@ curl -sS -F "file=@input.png" -F "screen_color=#CFEFFF" \
   串行，所以单实例约 1–2 张/分钟。瓶颈是全分辨率的 ViTMatte 和 pymatting 前景估计。
 - 要提吞吐：上 GPU（`BGFILTER_DEVICE=cuda`，装 CUDA 版 torch），大约快一个数量级；
   和/或多实例 + 负载均衡（每个都 `--workers 1`）。
-- **GPU 部署（实测，RTX 5070 Ti 16 GB，完整默认管线——cross-check 开 + reuse-as-seg，
-  bf16）：** 约 1–2 秒/张（4 MP 也只要 2 秒），峰值 VRAM 分配约 10.1 GB。真正决定
-  「装不装得下」的是分配器的 *reserved* 占用；Linux 上在服务环境里加：
-  ```ini
-  Environment=PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True
-  ```
-  实测效果：reserved 15.3 GB → **12.0 GB**（碎片 5.2 → 1.9 GB），而且还**快约 10%**——
-  加上它之后，完整管线在 16 GB 卡上即使旁边挂着桌面会话也有约 3.5 GB 余量。不加
-  （或在原生 Windows 上——该选项会被静默忽略）reserved 约 15.3 GB：无头 16 GB 卡勉强
-  能装，带桌面输出的卡就很悬。另外 `bf16` 是 16 GB 可行的前提——fp32 的 reserved
+- **GPU 部署（实测，RTX 5070 Ti 16 GB，完整管线——cross-check 开，bf16）：**
+  约 1–2 秒/张（4 MP 也只要 2 秒），峰值 VRAM 分配约 10.9 GB（开 `reuse_as_seg`
+  为 10.1 GB）。真正决定「装不装得下」的是分配器的 *reserved* 占用。`bgfilter`
+  在 Linux/WSL2 上会**默认设置** `PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True`
+  （在 torch 加载前;原生 Windows 不支持该选项;显式设过的环境变量优先）。
+  实测效果：reserved 15.3 GB → **12.0 GB**（开 reuse;默认不开为 13.3 GB），且还
+  **快约 10%**——完整管线在 16 GB 卡上即使旁边挂着桌面会话也有约 2–3.5 GB 余量。
+  没有 expandable segments（如原生 Windows）时 reserved 约 15.3–16.2 GB:在
+  16 GB 卡上从很悬到直接溢出。另外 `bf16` 是 16 GB 可行的前提——fp32 的 reserved
   约 17 GB，直接溢出。
 - 内存：单个 worker 持有全部三个模型（约 1 GB 权重 + 运行时）。单 CPU worker 用
   `MemoryMax=8G` 作上限比较稳妥。