MuViSeg сопоставляет сегменты одних и тех же физических объектов между несколькими изображениями сцены, используя геометрические признаки MASt3R или VGGT.

Подходит для: сопоставление объектов между парой фотографий сцены · поиск соответствующих сегментов при изменении ракурса · сопоставление сегментов в последовательности многокадровых изображений

CLIPSeg выделяет на изображениях области, соответствующие текстовому или визуальному запросу, для zero-shot и one-shot сегментации.

Подходит для: выделение объекта на изображении по текстовому описанию · создание маски объекта без обучения на целевом классе · поиск области изображения по визуальному примеру

Mask2Former-Swin-Large — модель семантической сегментации, выделяющая и классифицирующая области на изображениях ADE20K.

Подходит для: семантическая разметка областей на фотографиях · определение классов объектов и фона на изображении · подготовка карт сегментации для анализа сцен

ViTMatte — модель на базе Vision Transformer для выделения переднего плана и оценки альфа-матта на изображениях.

Подходит для: отделение объекта от фона на фотографии · создание альфа-масок для композитинга · подготовка масок переднего плана для редактирования изображений

SAM ViT-B выделяет объекты на изображениях по точкам, рамкам или маскам и автоматически генерирует маски сегментации.

Подходит для: интерактивное выделение объекта по точкам на изображении · сегментация объекта по ограничивающей рамке · автоматическая генерация масок объектов на изображении

SegFormer-B2 — модель семантической сегментации, которая размечает классы объектов и сцен на изображениях.

Подходит для: пиксельная разметка объектов на фотографиях · распознавание элементов городской и природной сцены · сегментация изображений для компьютерного зрения

SegGPT — Transformer-модель для сегментации изображений по одному размеченному примеру.

Подходит для: сегментация объектов по примеру на новом изображении · перенос маски с изображения-примера на похожие объекты · быстрая разметка изображений для компьютерного зрения

Компактная модель FAIR для сегментации объектов на изображениях и видео по точкам, рамкам или автоматически.

Подходит для: автоматическое выделение объектов на изображении · сегментация объекта по клику или нескольким точкам · уточнение маски объекта по ограничивающей рамке

SAM ViT-L — модель Meta для сегментации объектов на изображениях по визуальным подсказкам или автоматически.

Подходит для: создание маски объекта по точке на изображении · сегментация объекта по ограничивающей рамке · автоматическое выделение объектов на изображении

SegFormer B5 от NVIDIA — модель семантической сегментации изображений, дообученная на ADE20K для попиксельного распознавания классов сцен и объектов.

Подходит для: попиксельное распознавание объектов и областей на изображении · сегментация внутренних и городских сцен · разметка сцен на фотографиях для компьютерного зрения

GroupViT — vision-language модель для zero-shot семантической сегментации изображений по текстовым названиям категорий.

Подходит для: Сегментация объектов на изображении по категориям, заданным текстом · Поиск областей изображения, соответствующих произвольным словесным меткам · Исследование zero-shot сегментации без пиксельной разметки

CLIPSeg — модель сегментации изображений по текстовому запросу или визуальному примеру в zero-shot и one-shot сценариях.

Подходит для: выделение объекта на изображении по текстовому описанию · сегментация объекта по изображению-примеру · интерактивная сегментация без обучения на целевых классах

SegFormer-B1 — дообученная на ADE20K модель для семантической сегментации изображений с разрешением 512×512.

Подходит для: сегментация объектов и областей на изображениях · понимание городской или интерьерной сцены по пикселям · разметка сцен для задач компьютерного зрения

ViTMatte — модель на Vision Transformer для точного выделения переднего плана и оценки масок прозрачности на изображениях.

Подходит для: выделение объекта переднего плана на фотографии · создание маски прозрачности для отделения объекта от фона · подготовка изображений для замены или удаления фона

VidEoMT-S — конверсия модели на базе DINOv2 для сегментации экземпляров объектов в видео, обученная для YouTube-VIS 2019.

Подходит для: сегментация отдельных объектов в видео · построение покадровых масок экземпляров объектов · анализ видеоклипов с несколькими объектами

SAM-HQ ViT-Base — модель сегментации изображений по точкам, рамкам или автоматически, рассчитанная на создание масок с точными границами и тонкими деталями.

Подходит для: создание маски объекта по рамке на изображении · выделение объекта по указанным точкам · автоматическая генерация масок для изображения

Компактная модель MobileViT для классификации изображений по 1000 классам ImageNet-1k, рассчитанная на эффективное выполнение, в том числе на мобильных устройствах.

Подходит для: классификация фотографий по классам ImageNet · распознавание объектов на изображениях для мобильного приложения · быстрая классификация изображений на устройстве с ограниченными ресурсами

Компактная Mask2Former с backbone Swin для выделения отдельных объектов и их классов на изображениях COCO.

Подходит для: выделение отдельных объектов на фотографии · определение классов объектов и их пиксельных масок · подготовка разметки объектов на изображениях COCO

MViTv2 Small — vision transformer, обученный на ImageNet-1k для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация объектов на изображениях · определение категории фотографии · извлечение признаков изображений для последующей обработки

Mask2Former на Swin-Large, обученная на COCO для выделения масок и классов отдельных объектов на изображениях.

Подходит для: выделение масок отдельных объектов на фотографии · определение классов объектов и их границ по пикселям · подготовка разметки объектов для анализа изображений

Компактная MobileViT-v2 модель для классификации изображений ImageNet-1k и извлечения визуальных признаков.

Подходит для: классификация изображений на классы ImageNet-1k · извлечение карт признаков для компьютерного зрения · получение эмбеддингов изображений

SegFormer B4, дообученная на ADE20K, размечает пиксели изображения по семантическим классам для сегментации сцен.

Подходит для: сегментация объектов и областей на фотографиях сцен · создание пиксельных масок для изображений ADE20K · разметка элементов городских и бытовых сцен

Зрительная модель Meta AI на базе ViT-7B извлекает плотные признаки изображений для классификации, поиска, сегментации и других задач компьютерного зрения.

Подходит для: извлечение признаков для классификации изображений · поиск похожих изображений по эмбеддингам · сегментация изображений с линейным классификатором

Компактная MobileViT-S с головой DeepLabV3 для семантической сегментации изображений, дообученная на PASCAL VOC2012.

Подходит для: сегментация объектов на фотографиях · выделение областей и классов объектов по пикселям · семантическая сегментация изображений на мобильных устройствах