/ Модель

Характеристики

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

coco_instance_eomt_large_640

Сегментация изображенийИзображение → mask3 профессии

Модель EoMT на базе Vision Transformer для сегментации отдельных экземпляров объектов на изображениях COCO.

1 781скачиваний за 30 дней7лайковвеса 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_640 — модель сегментации изображений на архитектуре EoMT (Encoder-only Mask Transformer), разработанной для высококачественной и эффективной сегментации. Архитектура основана на Vision Transformer и использует подход без специализированного декодера сегментации или модулей слияния признаков по пикселям. Веса содержат около 402,7 млн параметров; модель опубликована в форматах PyTorch и Safetensors и предназначена для сегментации экземпляров объектов на изображениях COCO.

Семейство EoMT также поддерживает семантическую и паноптическую сегментацию с постобработкой, но для этой модели в метаданных подтверждена задача сегментации изображений, а README показывает сценарий сегментации экземпляров. Модель опубликована 26 марта 2025 года и распространяется по лицензии MIT. README не приводит измерений качества, требований к ресурсам или подробностей об ограничениях применения.

Сценарии применения

  • выделение масок отдельных объектов на изображении
  • сегментация экземпляров объектов на фотографиях COCO
  • подготовка масок объектов для анализа изображений

Ограничения

Подтверждённое назначение этой карточки — сегментация экземпляров; качество на других наборах данных и требования к вычислительным ресурсам не описаны.

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_640"
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
a436668

0 моделей