/ Модель

Характеристики

Лицензия
MIT
Библиотека
segmentation-models-pytorch
Опубликована
18 июл 2026

skywater_seg

Сегментация изображенийИзображение → mask3 профессии

Модель сегментирует фон, небо, воду и людей на изображениях, чтобы готовить маски для конвейеров Structure from Motion и сопоставления изображений.

258скачиваний за 30 дней0лайковвеса обновлены19 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

SkyWater-Seg — модель семантической сегментации изображений, разработанная Vincentqyw на базе SegFormer с энкодером MiT-B2 и лёгким MLP-декодером. Она дообучена на отфильтрованном подмножестве ADE20K и содержит 24,7 млн параметров. Модель принимает RGB-изображения размером 384×384 с нормализацией ImageNet и выдаёт поклассовые оценки для фона, неба, воды и людей.

Модель предназначена для построения масок неба, воды и людей, чтобы исключать эти области из изображений перед поиском соответствий и обработкой в конвейерах Structure from Motion (SfM). В карточке приведены результаты оценки на отложенной выборке ADE20K, а также варианты ONNX FP16 и FP32 и PyTorch-чекпойнт. Лицензия — MIT.

Качество зависит от соответствия изображений обучающим данным; карточка описывает оценку только на отфильтрованной выборке ADE20K. Вариант FP16 может давать небольшие отличия от FP32 из-за округления.

Сценарии применения

  • создание масок неба для фотограмметрии
  • исключение водной поверхности при сопоставлении изображений
  • маскирование людей перед построением 3D-реконструкции
  • предварительная фильтрация изображений для Structure from Motion
  • сегментация фона, неба, воды и людей на RGB-изображениях

Ограничения

Оценка в карточке проведена на отфильтрованной выборке ADE20K с входом 384×384; качество на других типах изображений отдельно не подтверждено. Вариант ONNX FP16 может незначительно отличаться от FP32 из-за округления.

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

SkyWater-Seg: Sky / Water / Person Segmentation

SegFormer MiT-B2 (24.7M params) fine-tuned on ADE20K for sky, water, and person segmentation. Designed to pre-filter images for Structure from Motion (SfM) and image matching pipelines — mask out sky, water, and person regions to eliminate their interference.

Model Card

  • Architecture: SegFormer (MiT-B2 encoder + lightweight MLP decoder)
  • Parameters: 24.7M
  • Input: RGB image, ImageNet normalization, 384×384
  • Output: 4-class logits → 0=background, 1=sky, 2=water, 3=person
  • Training data: ADE20K filtered split (11,086 train / 1,111 val)
  • License: MIT

Evaluation

ADE20K filtered validation set (1,111 images, 384×384 input):

ClassIoUDicePrecisionRecall
Background96.6%98.3%98.9%97.6%
Sky92.1%95.9%93.3%98.6%
Water79.4%88.5%89.9%87.2%
Person77.8%87.5%85.0%90.1%
Foreground mIoU88.1%———
Overall mIoU94.6%———
Pixel Accuracy97.2%———

Inference Speed (RTX 3060 Laptop, 384×384, batch=1)

BackendLatencyPlatforms
ONNX FP16 GPU13.3 msNVIDIA CUDA
ONNX FP32 GPU15.4 msNVIDIA CUDA
PyTorch FP3224.1 msCUDA / MPS / CPU
ONNX CoreML~3 msApple Silicon (macOS)
ONNX FP32 CPU188 msAny

Pixel Identity

All ONNX variants produce pixel-identical results to PyTorch. Verified on 50 validation images (12M pixels): only 0.003% pixel difference from FP16 rounding.

Files

FileFormatSizeDescription
skywater_segformer_b2.pthPyTorch284 MBFull checkpoint (model + optimizer + scheduler)
skywater_segformer_b2_fp32.onnxONNX FP3295 MBFP32 — CPU, CUDA, CoreML, TensorRT
skywater_segformer_b2_fp16.onnxONNX FP1648 MBFP16 — CUDA, CoreML, TensorRT (1.8× faster)
config.yamlYAML2 KBTraining config for reproducibility
data/train.txtText11,086 linesTraining split
data/val.txtText1,111 linesValidation split

Usage

pip install skywater-seg

PyTorch — one-liner from HuggingFace

from skywater_seg import SkyWaterSegModel
import torch

model = SkyWaterSegModel.from_pretrained("Realcat/skywater_seg")
model.eval()

img = ...  # (H, W, 3) RGB, normalized, resized to 384×384
with torch.no_grad():
    logits = model(img)  # (1, 4, H, W)

ONNX Runtime (no PyTorch needed)

from skywater_seg import ONNXRuntimeInference

# NVIDIA GPU
infer = ONNXRuntimeInference("skywater_segformer_b2_fp16.onnx", provider="cuda")

# Apple Silicon
infer = ONNXRuntimeInference("skywater_segformer_b2_fp16.onnx", provider="coreml")

# CPU
infer = ONNXRuntimeInference("skywater_segformer_b2_fp32.onnx", provider="cpu")

result = infer.predict("image.jpg")

CLI

pip install skywater-seg

# PyTorch
skywater-infer --checkpoint skywater_segformer_b2.pth --input image.jpg

# ONNX
skywater-infer --onnx skywater_segformer_b2_fp16.onnx --input image.jpg

Batch Inference

infer = ONNXRuntimeInference("skywater_segformer_b2_fp16.onnx", provider="cuda")
results = infer.predict_batch(["img1.jpg", "img2.jpg", "img3.jpg"], batch_size=4)
for r in results:
    print(r["mask"].shape, r["sky_mask"].mean())

Reproducing Training

  1. Download ADE20K (ADEChallengeData2016 subset)
  2. Update config.yaml paths to your ADE20K location
  3. Use the split files in data/
  4. Train: uv run python train.py --config config.yaml

See data/README.md for the class mapping and dataset layout.

Repository

Code & full pipeline: github.com/Vincentqyw/skywater

Citation

@misc{qin2026skywater,
  author       = {Vincent Qin},
  title        = {SkyWater-Seg: Sky, Water, and Person Segmentation
                  for Structure from Motion},
  year         = {2026},
  howpublished = {\url{https://github.com/Vincentqyw/skywater}},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · segmentation-models-pytorch · image-segmentation

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
dac2558

0 моделей