/ Модель

Характеристики

Параметры
403 млн
Лицензия
MIT
Архитектура
eomt · dense
Библиотека
transformers
Опубликована
26 мар 2025

coco_instance_eomt_large_1280

Сегментация изображенийИзображение → mask3 профессии

Модель EoMT large для выделения масок отдельных объектов на изображениях, рассчитанная на instance segmentation в разрешении 1280 пикселей.

5 896скачиваний за 30 дней1лайквеса обновлены18 сен 2025

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

tue-mps/coco_instance_eomt_large_1280 — модель для сегментации отдельных объектов на изображениях, основанная на архитектуре EoMT (Encoder-only Mask Transformer), разработанной для эффективной сегментации с использованием Vision Transformer. Вариант large содержит 402,7 млн параметров и предназначен для instance segmentation на изображениях с разрешением 1280 пикселей.

Модель принимает изображения и выделяет экземпляры объектов, формируя маски сегментации. Архитектура EoMT позволяет использовать ViT без специализированного декодера; семейство также поддерживает семантическую и паноптическую сегментацию с соответствующей постобработкой. Репозиторий использует Transformers, PyTorch и формат safetensors.

Модель ориентирована на компьютерное зрение, включая анализ сцен и выделение объектов на изображениях. Лицензия — MIT. Карточка не приводит подробностей о точном наборе классов COCO, метриках качества или известных ограничениях.

Сценарии применения

  • выделение масок отдельных объектов на фотографиях
  • подсчёт и локализация экземпляров объектов в сцене
  • подготовка сегментированных изображений для компьютерного зрения

Ограничения

В README не приведены метрики качества и полный список классов, поэтому производительность и охват объектов по карточке оценить нельзя.

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

EoMT

PyTorch

EoMT (Encoder-only Mask Transformer) is a Vision Transformer (ViT) architecture designed for high-quality and efficient image segmentation. It was introduced in the CVPR 2025 highlight paper:
Your ViT is Secretly an Image Segmentation Model
by Tommie Kerssies, Niccolò Cavagnero, Alexander Hermans, Narges Norouzi, Giuseppe Averta, Bastian Leibe, Gijs Dubbelman, and Daan de Geus.

Key Insight: Given sufficient scale and pretraining, a plain ViT along with additional few params can perform segmentation without the need for task-specific decoders or pixel fusion modules. The same model backbone supports semantic, instance, and panoptic segmentation with different post-processing 🤗

The original implementation can be found in this repository.

The HuggingFace model page is available at this link.


How to use

Here is how to use this model for Instance Segmentation:

import matplotlib.pyplot as plt
import requests
import torch
from PIL import Image

from transformers import EomtForUniversalSegmentation, AutoImageProcessor


model_id = "tue-mps/coco_instance_eomt_large_1280"
processor = AutoImageProcessor.from_pretrained(model_id)
model = EomtForUniversalSegmentation.from_pretrained(model_id)

image = Image.open(requests.get("http://images.cocodataset.org/val2017/000000039769.jpg", stream=True).raw)

inputs = processor(
    images=image,
    return_tensors="pt",
)

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

# Prepare the original image size in the format (height, width)
target_sizes = [(image.height, image.width)]

# Post-process the model outputs to get final segmentation prediction
preds = processor.post_process_instance_segmentation(
    outputs,
    target_sizes=target_sizes,
)

# Visualize the segmentation mask
plt.imshow(preds[0]["segmentation"])
plt.axis("off")
plt.title("Instance Segmentation")
plt.show()

Citation

If you find our work useful, please consider citing us as:

@inproceedings{kerssies2025eomt,
  author    = {Kerssies, Tommie and Cavagnero, Niccolò and Hermans, Alexander and Norouzi, Narges and Averta, Giuseppe and Leibe, Bastian and Dubbelman, Gijs and de Geus, Daan},
  title     = {Your ViT is Secretly an Image Segmentation Model},
  booktitle = {Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
  year      = {2025},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · image-segmentation

Можно запустить

Подбираем GPU…

Класс архитектуры
EomtForUniversalSegmentation
Ревизия весов
057a34b

0 моделей