Seg Zero 7B Best On ReasonSegTest

🚀 Seg-Zero-7B

Seg-Zero-7B是一個圖像分割模型，基於推理鏈引導的分割方法，通過認知強化實現零樣本泛化和測試時推理能力，可有效解讀用戶意圖並生成像素級掩碼。

🚀 快速開始

本模型基於論文 Seg-Zero: Reasoning-Chain Guided Segmentation via Cognitive Reinforcement，採用解耦架構，結合推理模型和分割模型。通過無顯式推理數據的GRPO強化學習進行訓練，具備強大的零樣本泛化能力和測試時推理能力。

代碼倉庫：https://github.com/dvlab-research/Seg-Zero

✨ 主要特性

• 採用解耦架構，由推理模型和分割模型組成。
• 推理模型可解讀用戶意圖，生成顯式推理鏈和位置提示。
• 分割模型利用位置提示生成像素級掩碼。
• 通過強化學習訓練，無需顯式推理數據，實現零樣本泛化和測試時推理。

💻 使用示例

基礎用法

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

# load model
model = AutoModelForCausalLM.from_pretrained("Ricky06662/Seg-Zero-7B")
tokenizer = AutoTokenizer.from_pretrained("Ricky06662/Seg-Zero-7B")

📄 許可證

本項目使用其他許可證。