/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
sam-vit-huge
Библиотека
zeromodels
Опубликована
29 июл 2026

sam_vit_huge

Генерация масокИзображение → mask3 профессии

SAM ViT-Huge от zeromodels создаёт маски выбранных объектов на изображениях по точечным или рамочным подсказкам.

9скачиваний за 30 дней0лайковвеса обновлены26 авг 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

zeromodels выпускает конверсию Segment Anything Model (SAM) ViT-Huge в формате Keras 3. Это модель сегментации изображений без фиксированного словаря классов: пользователь задаёт точку или рамку, а модель возвращает маску выбранного объекта. Тяжёлый визуальный энкодер ViT-H обрабатывает изображение, после чего лёгкие кодировщик подсказок и декодер масок поддерживают интерактивную работу.

Модель принимает изображение и подсказки в виде точек, а при соответствующей настройке — рамки. Она работает с TensorFlow, PyTorch и JAX через Keras 3. Это дообученная версия facebook/sam-vit-huge в формате TensorFlow; лицензия — Apache 2.0. Для обработки крупных изображений ресурсоёмкий энкодер может требовать значительных вычислительных ресурсов.

Сценарии применения

  • выделение объекта на изображении по клику
  • создание маски объекта по ограничивающей рамке
  • интерактивная сегментация изображений
  • автоматическое построение масок объектов на изображении

Ограничения

Для рамочных подсказок требуется включить поддержку рамок при построении графа модели. Энкодер ViT-Huge ресурсоёмок; сведения о скорости и точности для конкретных сценариев в карточке не приведены.

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

See our collection for all versions of SAM.

Run SAM with Keras 3: JAX, PyTorch, or TensorFlow

GitHub Docs Collection

zeromodels/sam_vit_huge

Paper: Segment Anything (arXiv:2304.02643) · HF Papers

SAM (Segment Anything Model) segments whatever you point at. It has no class vocabulary: you give it a prompt (a click or a box) and it returns a mask. A heavy ViT image encoder runs once per image; the prompt encoder and mask decoder are light enough for interactive use.

For more details on the model, please go to Meta's original model card.

Pure-Keras 3 conversion of facebook/sam-vit-huge for zeromodels. One implementation runs unmodified on TensorFlow / Torch / JAX.

This is a promptable segmentation checkpoint (SAMPromptableSegment): point (and optional box) prompts, backbone ViT-H.

✨ Quick start

import os
os.environ["KERAS_BACKEND"] = "torch"  # or "jax" / "tensorflow"

import numpy as np
from PIL import Image
from zeromodels.models.sam import (
    SAMPromptableSegment,
    SAMProcessor,
)

model = SAMPromptableSegment.from_weights("zeromodels/sam_vit_huge")
processor = SAMProcessor.from_weights("zeromodels/sam_vit_huge")

image = Image.open("your_image.jpg").convert("RGB")
inputs = processor(
    image,
    input_points=np.array([[[[450, 200]]]], dtype="float32"),
    input_labels=np.array([[[1]]], dtype="int32"),
)
META = ("original_size", "reshaped_size")
output = model({k: v for k, v in inputs.items() if k not in META})
masks = processor.post_process_masks(
    output["pred_masks"], original_size=inputs["original_size"]
)
print(output["iou_scores"].shape, masks.shape)

Load any SAM / SAM2 / SAM3 variant the same way with from_weights("zeromodels/<variant>") (use SAMPromptableSegment for this repo):

VariantHubFamily
sam_vit_basezeromodels/sam_vit_baseSAM
sam_vit_largezeromodels/sam_vit_largeSAM
sam_vit_hugezeromodels/sam_vit_hugeSAM
sam2_hiera_smallzeromodels/sam2_hiera_smallSAM2
sam2_hiera_base_pluszeromodels/sam2_hiera_base_plusSAM2
sam2_hiera_largezeromodels/sam2_hiera_largeSAM2
sam3zeromodels/sam3SAM3

Tips

  • Set KERAS_BACKEND before importing Keras / zeromodels.
  • SAM / SAM2: point coordinates are in original pixel space; box prompts need enable_boxes=True / include_box_input=True when building the graph.
  • SAM2 in this port is image-only (no video memory bank).
  • SAM3: prefer SAM3InstanceSegment.predict(...) for text prompts; upstream facebook/sam3 is gated.
  • See SAM docs and Loading Weights.
  • Community / upstream safetensors still work via the hf: prefix, e.g. SAMPromptableSegment.from_weights("hf:facebook/sam-vit-huge").

Special Thanks

A huge thank you to the Meta Segment Anything authors for creating and releasing these models.

License: Apache 2.0.

Как запустить

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

GPU в ailist

Универсальный рантайм · zeromodels

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Ревизия весов
39f038a

0 моделей