S

Sam Hq Vit Base

由syscv-community開發
SAM-HQ是Segment Anything Model的增強版本,通過點或框等輸入提示生成更高質量的物體掩碼
下載量 5,316
發布時間 : 2/18/2025

模型概述

該模型在原始SAM基礎上改進,能生成更精確的分割掩碼,特別擅長處理複雜邊界和細薄結構物體,適用於圖像編輯、自動化標註等場景

模型特點

高質量掩碼生成
通過專門設計的高質量輸出令牌,顯著提升掩碼預測質量,特別是在複雜邊界和細薄結構物體上
全局-局部特徵融合
融合早期和最終ViT特徵,結合高層語義和低層邊界信息,實現更精確分割
高效改進
僅增加不足0.5%的參數量,在8塊GPU上訓練4小時即可完成改進
零樣本泛化能力
保持原始SAM的零樣本泛化能力,同時在10個下游任務上表現更優

模型能力

提示式掩碼生成
自動掩碼生成
高質量圖像分割
零樣本遷移學習

使用案例

圖像編輯
精確物體分割
用於圖像編輯軟件中的精確物體選擇和分離
生成比原始SAM更精細的物體邊緣
自動化標註
數據標註輔助
為計算機視覺數據集生成高質量標註
減少人工標註工作量,提高標註精度
醫學圖像分析
器官分割
用於醫學圖像中的器官或病變區域分割
能處理醫學圖像中的複雜邊界結構
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase