Mask2former Swin Small Cityscapes Panoptic

🚀 Mask2Former

Mask2Formerは、Cityscapesのパノプティックセグメンテーションで学習されたモデルです（小型版、Swinバックボーン）。このモデルは論文 Masked-attention Mask Transformer for Universal Image Segmentation で紹介され、このリポジトリ で最初に公開されました。

なお、Mask2Formerを公開したチームはこのモデルのモデルカードを作成していないため、このモデルカードはHugging Faceチームによって作成されています。

🚀 クイックスタート

このモデルは、Cityscapesのパノプティックセグメンテーションで学習されたMask2Formerです。以下に使用方法の例を示します。

✨ 主な機能

Mask2Formerは、同じパラダイムでインスタンスセグメンテーション、セマンティックセグメンテーション、パノプティックセグメンテーションを扱います。具体的には、一連のマスクと対応するラベルを予測することで、3つのタスクをすべてインスタンスセグメンテーションとして扱います。

このモデルは、以前のSOTAである MaskFormer を性能と効率の両面で上回っています。具体的な改善点は以下の通りです。

• ピクセルデコーダをより高度なマルチスケール変形可能アテンションTransformerに置き換える。
• マスク付きアテンションを持つTransformerデコーダを採用し、追加の計算を導入することなく性能を向上させる。
• 損失をマスク全体ではなくサブサンプリングされた点で計算することで、学習効率を向上させる。

📦 インストール

このモデルを使用するには、必要なライブラリをインストールする必要があります。以下のコマンドを使用して、必要なライブラリをインストールできます。

pip install requests torch pillow transformers

💻 使用例

基本的な使用法

import requests
import torch
from PIL import Image
from transformers import AutoImageProcessor, Mask2FormerForUniversalSegmentation

# load Mask2Former fine-tuned on Cityscapes panoptic segmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-small-cityscapes-panoptic")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-small-cityscapes-panoptic")

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)
inputs = processor(images=image, return_tensors="pt")

with torch.no_grad():
    outputs = model(**inputs)

# model predicts class_queries_logits of shape `(batch_size, num_queries)`
# and masks_queries_logits of shape `(batch_size, num_queries, height, width)`
class_queries_logits = outputs.class_queries_logits
masks_queries_logits = outputs.masks_queries_logits

# you can pass them to processor for postprocessing
result = processor.post_process_panoptic_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
# we refer to the demo notebooks for visualization (see "Resources" section in the Mask2Former docs)
predicted_panoptic_map = result["segmentation"]

高度な使用法

より多くのコード例については、ドキュメント を参照してください。

📚 ドキュメント

想定される用途と制限

この特定のチェックポイントは、パノプティックセグメンテーションに使用できます。他のタスクで微調整されたバージョンを探すには、モデルハブ を参照してください。

🔧 技術詳細

モデル情報

📄 ライセンス

このモデルは、他のライセンスの下で提供されています。