/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
sam2.1-hiera-small
Библиотека
mlx
Опубликована
23 сен 2026

SAM2.1-hiera-small-fp16

Сегментация изображенийИзображение → mask

Вариант SAM 2.1 Hiera-Small для Apple MLX сегментирует объекты на изображениях по точкам и рамкам.

0скачиваний за 30 дней0лайковвеса обновлены23 сен 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

SAM 2.1 Hiera-Small — конвертированные в формат MLX веса модели Meta, подготовленные сообществом mlx-community для Swift-пакета mlx-edgetam-swift. Это вариант только для изображений: он включает Hiera trunk, FPN neck, кодировщик подсказок и декодер масок, всего 38,5 млн параметров. Видеокомпоненты SAM 2.1 в репозиторий не входят.

Модель выделяет объекты на изображении по точкам или рамкам и возвращает маску, в том числе сглаженную маску и оценку. Карточка описывает высокую точность совпадения с PyTorch-реализацией SAM2ImagePredictor в проверенных сценариях; веса fp16 на GPU дают IoU масок не ниже 0,9996 относительно fp32 PyTorch на объектных подсказках. Модель предназначена для использования в приложениях на Apple MLX через указанные Swift-пакеты. Веса распространяются по лицензии Apache-2.0, код порта — по MIT.

Сценарии применения

  • выделение объекта на изображении по клику
  • создание маски объекта внутри заданной рамки
  • получение сглаженной маски для изображения
  • интерактивное выделение объектов в Swift-приложении на Apple MLX

Ограничения

Предназначена только для изображений: видеокомпоненты и отслеживание объектов между кадрами в этом варианте отсутствуют. Описанные показатели точности проверены на ограниченном наборе примеров и не гарантируют такое же качество на любых данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

mlx-community/SAM2.1-hiera-small-fp16

SAM 2.1 Hiera-Small, image mode (point / box → mask), converted to Apple MLX (fp16) from Meta's official sam2.1_hiera_small.pt for the mlx-edgetam-swift Swift package (SAM21Package, an MLXEngine promptSegment ModelPackage).

  • Contents: the image path only — Hiera trunk + FPN neck + SAM prompt encoder + mask decoder + no_mem_embed (359 tensors, 38.5 M params). The video memory stack is not included.
  • Keys: upstream's names, unchanged. Convolutions are NHWC (O,kH,kW,I). The trunk's pos_embed and pos_embed_window are (1,H,W,C). Converter: oracle/convert_sam21.py.
  • Parity: the Swift port matches PyTorch SAM2ImagePredictor through set_image on the CPU fp32 stream. On a 1024² flat-shaded image, a 1024² captioned copy and a 1200×800 synthetic page:
    • image_embed relative error ≤ 5.3e-6;
    • every click and box mask matches at IoU 1.0000, with predicted-IoU Δ ≤ 1e-5. With these fp16 weights and fp16 activations on the GPU, mask IoU vs fp32 PyTorch is ≥ 0.9996 on object-sized prompts.
  • Footprint (M5 Max): 1024² encode ~0.1 s warm; each further prompt on the same image 11–18 ms; process phys_footprint 2.4–2.8 GB.

Why use it next to EdgeTAM

EdgeTAM (13.9 M params) is the fast default and handles video. On single clicks over flat-shaded or synthetic images, SAM 2.1-S is much better:

  • a click on a cartoon fox's belly selects the whole fox (IoU 0.968 vs 0.008 for EdgeTAM);
  • a click on one small square of a grey page selects only that square, where EdgeTAM also adds a corner square every time.

Use

// .package(url: "https://github.com/xocialize/mlx-edgetam-swift", from: "0.6.0")
import EdgeTAM
let p = try EdgeTAMPredictor.fromPretrained(weightsPath, dtype: .float16)   // Hiera detected from the weights
p.setImage(sourceCGImage)
let r = p.predict(point: (471, 635))            // r.mask, r.soft (anti-aliased), r.score
let boxed = p.predict(points: [], labels: [], box: [40, 245, 745, 910])

Or through MLXEngine: SAM21Package (MLXEdgeTAM), with mode: softMatte for an anti-aliased matte.

Weights: Apache-2.0 (facebookresearch/sam2). Port code: MIT.

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
c47705a

0 моделей