S

Sam Hq Vit Large

由syscv-community開發
SAM-HQ是Segment Anything Model(SAM)的增強版本,能夠從點或框等輸入提示生成更高質量的對象掩碼。
下載量 60
發布時間 : 5/5/2025

模型概述

SAM-HQ通過引入高質量輸出令牌和全局-局部特徵融合組件,顯著提升了分割掩碼的質量,特別適用於複雜邊界和細微結構對象的分割。

模型特點

高質量輸出令牌
引入可學習的HQ輸出令牌,專門用於預測高質量掩碼,顯著提升分割精度。
全局-局部特徵融合
結合早期和最終的ViT特徵,融合高級語義上下文和低級邊界信息,改善掩碼細節。
高效訓練
僅需8個GPU上4小時訓練,相比原版SAM增加不到0.5%的參數。
零樣本泛化
保留SAM原有的零樣本泛化能力,同時在10個數據集上表現更優。

模型能力

高質量圖像分割
基於提示的掩碼生成
自動掩碼生成
複雜邊界處理
細微結構識別

使用案例

圖像編輯
精確對象分割
用於圖像編輯軟件中精確分離對象
生成比原版SAM更精細的掩碼邊界
自動化標註
數據標註輔助
自動生成訓練數據的分割標註
減少人工標註工作量,提高標註質量
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase