/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
seggpt · dense
Опубликована
30 ноя 2023

seggpt-vit-large

Сегментация изображенийИзображение → mask3 профессии

SegGPT — Transformer-модель для сегментации изображений по одному размеченному примеру.

48 331скачиваний за 30 дней5лайковвеса обновлены13 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

SegGPT — модель сегментации изображений, представленная авторами Xinlong Wang, Xiaosong Zhang, Yue Cao, Wen Wang, Chunhua Shen и Tiejun Huang в работе «Segmenting Everything In Context». Она использует decoder-only Transformer GPT-типа и содержит около 402,7 млн параметров.

Модель предназначена для сегментации по одному примеру: на вход подаются изображение для обработки, изображение-пример и соответствующая ему маска, а на выходе получается маска сегментации. Такой режим подходит для переноса заданной разметки на новые изображения без обучения под каждый новый класс.

В карточке приведены результаты 56,1 mIoU на COCO-20 и 85,6 mIoU на FSS-1000. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Сценарии применения

  • сегментация объектов по примеру на новом изображении
  • перенос маски с изображения-примера на похожие объекты
  • быстрая разметка изображений для компьютерного зрения

Ограничения

Описанный сценарий требует изображения-примера и соответствующей маски. Приведённые метрики относятся к указанным наборам COCO-20 и FSS-1000 и сами по себе не гарантируют качество на других данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SegGPT model

The SegGPT model was proposed in SegGPT: Segmenting Everything In Context by Xinlong Wang, Xiaosong Zhang, Yue Cao, Wen Wang, Chunhua Shen, Tiejun Huang.

Model description

SegGPT employs a decoder-only (GPT-like) Transformer that can generate a segmentation mask given an input image, a prompt image and its corresponding prompt mask. The model achieves remarkable one-shot results with 56.1 mIoU on COCO-20 and 85.6 mIoU on FSS-1000.

Intended uses & limitations

You can use the raw model for one-shot image segmentation.

How to use

Here's how to use the model for one-shot semantic segmentation:

import torch
from datasets import load_dataset
from transformers import SegGptImageProcessor, SegGptForImageSegmentation

model_id = "BAAI/seggpt-vit-large"
image_processor = SegGptImageProcessor.from_pretrained(checkpoint)
model = SegGptForImageSegmentation.from_pretrained(checkpoint)

dataset_id = "EduardoPacheco/FoodSeg103"
ds = load_dataset(dataset_id, split="train")
# Number of labels in FoodSeg103 (not including background)
num_labels = 103

image_input = ds[4]["image"]
ground_truth = ds[4]["label"]
image_prompt = ds[29]["image"]
mask_prompt = ds[29]["label"]

inputs = image_processor(
    images=image_input, 
    prompt_images=image_prompt,
    prompt_masks=mask_prompt, 
    num_labels=num_labels,
    return_tensors="pt"
)

with torch.no_grad():
    outputs = model(**inputs)

target_sizes = [image_input.size[::-1]]
mask = image_processor.post_process_semantic_segmentation(outputs, target_sizes, num_labels=num_labels)[0]

BibTeX entry and citation info

@misc{wang2023seggpt,
      title={SegGPT: Segmenting Everything In Context}, 
      author={Xinlong Wang and Xiaosong Zhang and Yue Cao and Wen Wang and Chunhua Shen and Tiejun Huang},
      year={2023},
      eprint={2304.03284},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

Acknowledgements

This work is supported by the National Science and Technology Major Project (No. 2022ZD0116300). 本项目受新一代人工智能国家科技重大专项(No. 2022ZD0116300)支持。

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · image-segmentation

Нельзя запустить

Для архитектуры seggpt нет загрузчика под задачу image-segmentation.

Класс архитектуры
SegGptForImageSegmentation
Ревизия весов
77b179b

0 моделей