/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
sam2 · dense
Базовая модель
sam2.1-hiera-small
Опубликована
9 июл 2026

sam2-household-train-20260709-100252

Генерация масокИзображение → mask

Экспериментальный чекпойнт SAM 2.1 для выделения масками бытовых объектов по ограничивающим рамкам.

0скачиваний за 30 дней0лайковвеса обновлены9 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

Это экспериментальный чекпойнт SAM 2.1 Hiera Small, дообученный sshibinthomass для создания масок бытовых объектов по подсказкам в виде ограничивающих рамок. Модель основана на facebook/sam2.1-hiera-small и обучена на 64 примерах из nielsr/coco-panoptic-val2017; для проверки использовались 16 валидационных и 16 тестовых примеров. Обучение включало 20 шагов.

На валидационной выборке лучший IoU составил 0,534, Dice — 0,696 при пороге 0,3. Это узкоспециализированный небольшой чекпойнт с ограниченной обучающей выборкой, поэтому качество на разнообразных бытовых сценах может быть нестабильным. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • создание маски выбранного бытового предмета по рамке
  • сегментация предметов домашнего обихода на изображениях
  • проверка прототипа сегментации бытовых объектов

Ограничения

Дообучение выполнено всего на 64 примерах и 20 шагах; приведённые метрики получены на небольшой выборке и не гарантируют качества на других сценах.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SAM2 Household Fine-tuned Checkpoint

Fine-tuned facebook/sam2.1-hiera-small for household object masks with bbox prompts.

  • Base model: facebook/sam2.1-hiera-small
  • Dataset source: nielsr/coco-panoptic-val2017
  • Training samples: 64
  • Validation samples: 16
  • Test samples: 16
  • Steps: 20
  • Batch size: 16
  • Best validation IoU: 0.534104
  • Best validation Dice: 0.696307
  • Best threshold: 0.3
  • W&B: https://wandb.ai/sshibinthomass-tu-dortmund/household-object-finetuning/runs/zjxjg9vq
  • Modal app: sam2-household-modal-train
  • Hub repo: sshibinthomass/sam2-household-train-20260709-100252

Как запустить

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

GPU в ailist

Универсальный рантайм · mask-generation

Можно запустить

Подбираем GPU…

Класс архитектуры
Sam2Model
Ревизия весов
5d9658f

0 моделей