🚀 視頻Mask2Former
視頻Mask2Former是一個在YouTubeVIS - 2021實例分割數據集上訓練的模型(微小尺寸版本,採用Swin骨幹網絡)。它在論文用於視頻實例分割的Mask2Former中被提出,並首次在此倉庫發佈。視頻Mask2Former是原始Mask2Former論文的擴展,原論文名為用於通用圖像分割的掩碼注意力掩碼變換器。
聲明:發佈Mask2Former的團隊並未為此模型撰寫模型卡片,此模型卡片由Hugging Face團隊撰寫。
✨ 主要特性
- 統一範式:Mask2Former使用相同的範式處理實例、語義和全景分割任務,即通過預測一組掩碼和相應的標籤,將這3個任務都視為實例分割任務。
- 性能卓越:在性能和效率方面均超越了之前的最優模型MaskFormer。具體通過以下方式實現:用更先進的多尺度可變形注意力變換器替換像素解碼器;採用帶有掩碼注意力的變換器解碼器,在不引入額外計算的情況下提升性能;通過在子採樣點而非整個掩碼上計算損失來提高訓練效率。
- 視頻分割表現出色:在論文用於視頻實例分割的Mask2Former中,作者表明Mask2Former在不修改架構、損失函數甚至訓練流程的情況下,在視頻實例分割任務上也達到了最優性能。
📦 安裝指南
文檔中未提及具體安裝步驟,故跳過此章節。
💻 使用示例
基礎用法
import torch
import torchvision
from huggingface_hub import hf_hub_download
from transformers import AutoImageProcessor, Mask2FormerForUniversalSegmentation
processor = AutoImageProcessor.from_pretrained("facebook/video-mask2former-swin-tiny-youtubevis-2021-instance")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/video-mask2former-swin-tiny-youtubevis-2021-instance")
file_path = hf_hub_download(repo_id="shivi/video-demo", filename="cars.mp4", repo_type="dataset")
video = torchvision.io.read_video(file_path)[0]
video_frames = [image_processor(images=frame, return_tensors="pt").pixel_values for frame in video]
video_input = torch.cat(video_frames)
with torch.no_grad():
outputs = model(**video_input)
class_queries_logits = outputs.class_queries_logits
masks_queries_logits = outputs.masks_queries_logits
result = image_processor.post_process_video_instance_segmentation(outputs, target_sizes=[tuple(video.shape[1:3])])[0]
predicted_video_instance_map = result["segmentation"]
高級用法
如需更多代碼示例,請參考文檔。
📚 詳細文檔
模型描述
Mask2Former使用相同的範式處理實例、語義和全景分割任務,即通過預測一組掩碼和相應的標籤,將這3個任務都視為實例分割任務。Mask2Former在性能和效率方面均超越了之前的最優模型MaskFormer,具體通過以下方式實現:
- 用更先進的多尺度可變形注意力變換器替換像素解碼器。
- 採用帶有掩碼注意力的變換器解碼器,在不引入額外計算的情況下提升性能。
- 通過在子採樣點而非整個掩碼上計算損失來提高訓練效率。
在論文用於視頻實例分割的Mask2Former中,作者表明Mask2Former在不修改架構、損失函數甚至訓練流程的情況下,在視頻實例分割任務上也達到了最優性能。

預期用途與限制
你可以使用此特定檢查點進行實例分割。請查看模型中心,以查找此模型其他可能令你感興趣的微調版本。
🔧 技術細節
文檔中未提及具體技術細節內容,故跳過此章節。
📄 許可證
本模型採用MIT許可證。
屬性 |
詳情 |
模型類型 |
視頻實例分割模型 |
訓練數據 |
YouTubeVIS - 2021 |