Sam Vit Base

🚀 分割一切模型（SAM） - ViT基础版（ViT - B）模型卡片

分割一切模型（SAM）能够根据输入的提示（如点或框）生成高质量的对象掩码，还可以为图像中的所有对象生成掩码。它在大规模数据集上进行训练，在各种分割任务中展现出强大的零样本性能。

🚀 快速开始

模型简介

分割一切模型（SAM）由3个模块组成：

• VisionEncoder：基于VIT的图像编码器，通过对图像块进行注意力计算来生成图像嵌入，使用了相对位置嵌入。
• PromptEncoder：为点和边界框生成嵌入。
• MaskDecoder：双向变压器，在图像嵌入和点嵌入之间进行交叉注意力计算，输出结果会被进一步处理。
• Neck：根据MaskDecoder生成的上下文掩码预测输出掩码。

使用示例

基础用法

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

model = SamModel.from_pretrained("facebook/sam-vit-base")
processor = SamProcessor.from_pretrained("facebook/sam-vit-base")

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]]] # 2D localization of a window

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

在生成掩码时，除了其他参数，你还可以传入感兴趣对象的大致二维位置、围绕感兴趣对象的边界框（格式应为边界框右上角和左下角的x、y坐标）或分割掩码。根据官方仓库，目前官方模型不支持将文本作为输入。

高级用法

模型可以以“零样本”的方式为输入图像生成分割掩码。模型会自动使用一个包含1024个点的网格进行提示，并将这些点输入到模型中。

以下代码展示了如何轻松运行自动掩码生成（可在任何设备上运行，只需提供合适的points_per_batch参数）：

from transformers import pipeline
generator =  pipeline("mask-generation", 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)

以下代码用于显示图像：

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()

📚 详细文档

模型架构图

分割一切模型（SAM）的详细架构。

快速浏览

原始仓库链接

分割一切模型（SAM） 可以根据输入的提示（如点或框）生成高质量的对象掩码，并且可以为图像中的所有对象生成掩码。它在包含1100万张图像和11亿个掩码的数据集上进行了训练，在各种分割任务中具有强大的零样本性能。

论文摘要指出：

我们推出了分割一切（SA）项目：一个用于图像分割的新任务、模型和数据集。通过在数据收集循环中使用高效的模型，我们构建了迄今为止最大的分割数据集，在1100万张经过授权且尊重隐私的图像上拥有超过11亿个掩码。该模型的设计和训练使其具有可提示性，因此可以零样本迁移到新的图像分布和任务中。我们在众多任务上评估了其能力，发现其零样本性能令人印象深刻 —— 通常与之前的全监督结果相媲美，甚至更优。我们在 https://segment-anything.com 上发布了分割一切模型（SAM）以及包含11亿个掩码和1100万张图像的相应数据集（SA - 1B），以促进计算机视觉基础模型的研究。

免责声明：此模型卡片的内容由Hugging Face团队编写，部分内容从原始的 SAM模型卡片 复制粘贴而来。

📄 许可证

本模型采用Apache - 2.0许可证。

📚 引用

如果您使用此模型，请使用以下BibTeX条目进行引用。

@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}
}