Slimsam 50 Uniform

🚀 SlimSAM（SAM壓縮版，即“任意分割模型”）

SlimSAM是Segment Anything（SAM）模型的壓縮（剪枝）版本，能夠根據點或框等輸入提示生成高質量的對象掩碼。它通過創新的壓縮方法，在大幅降低訓練成本的同時，實現了接近原始模型的性能。

🚀 快速開始

提示掩碼生成

from PIL import Image
import requests
from transformers import SamModel, SamProcessor

model = SamModel.from_pretrained("nielsr/slimsam-50-uniform")
processor = SamProcessor.from_pretrained("nielsr/slimsam-50-uniform")

img_url = "https://huggingface.co/ybelkada/segment-anything/resolve/main/assets/car.png"
raw_image = Image.open(requests.get(img_url, stream=True).raw).convert("RGB")
input_points = [[[450, 600]]] # 窗口的二維定位

inputs = processor(raw_image, input_points=input_points, return_tensors="pt").to("cuda")
outputs = model(**inputs)
masks = processor.image_processor.post_process_masks(outputs.pred_masks.cpu(), inputs["original_sizes"].cpu(), inputs["reshaped_input_sizes"].cpu())
scores = outputs.iou_scores

在生成掩碼時，除了其他參數，你可以傳入感興趣對象的大致二維位置、包圍感興趣對象的邊界框（格式應為邊界框右上角和左下角的x、y座標）、分割掩碼。截至撰寫本文時，根據官方倉庫，官方模型不支持將文本作為輸入。更多詳細信息，請參考這個筆記本，它通過可視化示例展示瞭如何使用該模型！

自動掩碼生成

該模型可用於以“零樣本”方式根據輸入圖像生成分割掩碼。模型會自動用一個包含1024個點的網格進行提示，並將這些點全部輸入模型。

以下是自動掩碼生成的示例代碼：

from transformers import pipeline
generator =  pipeline(task="mask-generation", model="nielsr/slimsam-50-uniform", device = 0, points_per_batch = 256)
image_url = "https://huggingface.co/ybelkada/segment-anything/resolve/main/assets/car.png"
outputs = generator(image_url, points_per_batch = 256)

以下是顯示圖像的代碼：

import matplotlib.pyplot as plt
from PIL import Image
import numpy as np

def show_mask(mask, ax, random_color=False):
    if random_color:
        color = np.concatenate([np.random.random(3), np.array([0.6])], axis=0)
    else:
        color = np.array([30 / 255, 144 / 255, 255 / 255, 0.6])
    h, w = mask.shape[-2:]
    mask_image = mask.reshape(h, w, 1) * color.reshape(1, 1, -1)
    ax.imshow(mask_image)
    

plt.imshow(np.array(raw_image))
ax = plt.gca()
for mask in outputs["masks"]:
    show_mask(mask, ax=ax, random_color=True)
plt.axis("off")
plt.show()

✨ 主要特性

SlimSAM是一種新穎的SAM壓縮方法，通過統一的剪枝-蒸餾框架高效重用預訓練的SAM，實現了卓越的性能和極低的訓練成本。具體特性如下：

• 高效壓縮：通過創新的交替瘦身策略，將壓縮過程劃分為漸進式步驟，在大幅減少參數和計算量的同時，保持接近原始模型的性能。
• 低訓練成本：與其他現有方法相比，訓練成本降低了10倍以上，僅需0.1%（10k）的SAM訓練數據。
• 高性能表現：在參數數量減少至僅0.9%（570萬）、MACs減少至0.8%（21G）的情況下，仍能實現接近原始SAM-H的性能。

📚 詳細文檔

模型詳情

SAM模型由3個模塊組成：

• VisionEncoder：基於VIT的圖像編碼器。它使用注意力機制對圖像塊進行計算，以生成圖像嵌入，並使用相對位置嵌入。
• PromptEncoder：為點和邊界框生成嵌入。
• MaskDecoder：一種雙向變壓器，在圖像嵌入和點嵌入之間進行交叉注意力計算，並將輸出結果輸入到Neck模塊。
• Neck：根據MaskDecoder生成的上下文掩碼預測輸出掩碼。

📄 許可證

本項目採用Apache-2.0許可證。

📜 引用

如果您使用此模型，請使用以下BibTeX條目進行引用：

@article{kirillov2023segany,
  title={Segment Anything},
  author={Kirillov, Alexander and Mintun, Eric and Ravi, Nikhila and Mao, Hanzi and Rolland, Chloe and Gustafson, Laura and Xiao, Tete and Whitehead, Spencer and Berg, Alexander C. and Lo, Wan-Yen and Doll{\'a}r, Piotr and Girshick, Ross},
  journal={arXiv:2304.02643},
  year={2023}
}
@misc{chen202301,
      title={0.1% Data Makes Segment Anything Slim}, 
      author={Zigeng Chen and Gongfan Fang and Xinyin Ma and Xinchao Wang},
      year={2023},
      eprint={2312.05284},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

模型相關圖片

SlimSAM概述及其與其他替代方案的差異。

原倉庫鏈接

點擊查看原倉庫

免責聲明

本模型卡片的內容由Hugging Face團隊撰寫，部分內容從原始的SAM模型卡片複製粘貼而來。