Mask2former Swin Base Coco Panoptic

🚀 Mask2Former

Mask2Formerは、COCO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（ベースサイズ版、Swinバックボーン）です。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

このセクションでは、Mask2Formerモデルの概要と使用方法について説明します。

✨ 主な機能

モデルの概要

Mask2Formerは、同じパラダイムでインスタンス、セマンティック、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、すべての3つのタスクをインスタンスセグメンテーションとして扱います。

性能の向上

Mask2Former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。

• 画素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に置き換えました。
• マスクされた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ました。
• 損失をマスク全体ではなくサブサンプリングされたポイントで計算することで、トレーニング効率を向上させました。

📚 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。関心のあるタスクに関する他のファインチューニング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。

使い方

以下は、このモデルを使用する方法の例です。

基本的な使用法

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

# COCOパノプティックセグメンテーションでファインチューニングされたMask2Formerをロード
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-base-coco-panoptic")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-base-coco-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)

# モデルは形状が `(batch_size, num_queries)` のclass_queries_logitsと
# 形状が `(batch_size, num_queries, height, width)` のmasks_queries_logitsを予測します
class_queries_logits = outputs.class_queries_logits
masks_queries_logits = outputs.masks_queries_logits

# これらを後処理のためにprocessorに渡すことができます
result = processor.post_process_panoptic_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
# 可視化についてはデモノートブックを参照してください（Mask2Formerのドキュメントの「リソース」セクションを参照）
predicted_panoptic_map = result["segmentation"]

より詳細なコード例については、ドキュメント を参照してください。

📄 ライセンス

ライセンスはotherです。