Oneformer Ade20k Swin Large

🚀 OneFormer

OneFormerは、ADE20kデータセットで学習されたモデル（大規模版、Swinバックボーン）です。このモデルは、Jainらによる論文 OneFormer: One Transformer to Rule 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。

🚀 クイックスタート

このモデルは、ADE20kデータセットを使用して学習されたOneFormerモデルで、画像セグメンテーションタスクに使用できます。以下に、このモデルの概要と使用方法を説明します。

✨ 主な機能

モデル概要

OneFormerは、最初のマルチタスク汎用画像セグメンテーションフレームワークです。単一の汎用アーキテクチャ、単一のモデル、単一のデータセットで一度だけ学習することで、セマンティック、インスタンス、パノプティックセグメンテーションタスク全体で既存の専用モデルを上回る性能を発揮します。OneFormerは、タスクトークンを使用して、着目するタスクにモデルを条件付けることで、アーキテクチャを学習時にタスクガイド型、推論時にタスクダイナミック型にし、すべてを単一のモデルで実現します。

想定用途と制限事項

この特定のチェックポイントは、セマンティック、インスタンス、パノプティックセグメンテーションに使用できます。他のデータセット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。

📦 インストール

このREADMEにはインストール手順が記載されていないため、このセクションは省略されます。

💻 使用例

基本的な使用法

from transformers import OneFormerProcessor, OneFormerForUniversalSegmentation
from PIL import Image
import requests
url = "https://huggingface.co/datasets/shi-labs/oneformer_demo/blob/main/ade20k.jpeg"
image = Image.open(requests.get(url, stream=True).raw)

# Loading a single model for all three tasks
processor = OneFormerProcessor.from_pretrained("shi-labs/oneformer_ade20k_swin_large")
model = OneFormerForUniversalSegmentation.from_pretrained("shi-labs/oneformer_ade20k_swin_large")

# Semantic Segmentation
semantic_inputs = processor(images=image, task_inputs=["semantic"], return_tensors="pt")
semantic_outputs = model(**semantic_inputs)
# pass through image_processor for postprocessing
predicted_semantic_map = processor.post_process_semantic_segmentation(outputs, target_sizes=[image.size[::-1]])[0]

# Instance Segmentation
instance_inputs = processor(images=image, task_inputs=["instance"], return_tensors="pt")
instance_outputs = model(**instance_inputs)
# pass through image_processor for postprocessing
predicted_instance_map = processor.post_process_instance_segmentation(outputs, target_sizes=[image.size[::-1]])[0]["segmentation"]

# Panoptic Segmentation
panoptic_inputs = processor(images=image, task_inputs=["panoptic"], return_tensors="pt")
panoptic_outputs = model(**panoptic_inputs)
# pass through image_processor for postprocessing
predicted_semantic_map = processor.post_process_panoptic_segmentation(outputs, target_sizes=[image.size[::-1]])[0]["segmentation"]

詳細な使用例については、ドキュメント を参照してください。

📚 ドキュメント

このモデルに関する詳細なドキュメントは、こちら を参照してください。

📄 ライセンス

このモデルはMITライセンスの下で提供されています。

引用

@article{jain2022oneformer,
      title={{OneFormer: One Transformer to Rule Universal Image Segmentation}},
      author={Jitesh Jain and Jiachen Li and MangTik Chiu and Ali Hassani and Nikita Orlov and Humphrey Shi},
      journal={arXiv}, 
      year={2022}
    }