SegFormer B0 — модель NVIDIA для семантической сегментации изображений, дообученная на ADE20K.

Подходит для: семантическая сегментация фотографий · разметка пикселей по классам объектов и элементов сцены · разбор городских и уличных сцен

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

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

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

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

SAM 2.1 Hiera Large — модель FAIR для сегментации объектов на изображениях и их отслеживания между кадрами видео по визуальным подсказкам или автоматически.

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

SegFormer-B3, дообученная на ADE20K модель для семантической сегментации изображений на разрешении 512×512.

Подходит для: разметка пикселей на изображениях сцен · выделение классов объектов окружения на фотографии · семантический анализ городских и интерьерных сцен

SegFormer B2 выделяет одежду и части человека на изображениях, присваивая пикселям метки из 18 классов.

Подходит для: сегментация предметов одежды на фотографии человека · выделение волос, лица и частей тела на изображении · разметка изображений для анализа образа

SegFormer B0, дообученная на Cityscapes, сегментирует изображения городских сцен по классам пикселей.

Подходит для: сегментация дорожной сцены на изображении · разметка пикселей дороги, зданий и объектов городской среды · анализ городских изображений для систем автономного вождения

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

SegFormer B5, дообученная на Cityscapes, выполняет семантическую сегментацию изображений городских сцен.

Подходит для: попиксельная разметка дорожных сцен · выделение элементов городской инфраструктуры на изображениях · сегментация улиц для анализа дорожной обстановки

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 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

SegFormer, дообученный для сегментации областей лица на портретных изображениях.

Подходит для: разметка областей лица на портретах · создание масок лица для редактирования фотографий · подготовка сегментаций лица для компьютерного зрения

Небольшая GPT-2-модель для генерации и продолжения коротких англоязычных историй по текстовой подсказке.

Подходит для: продолжение короткой истории по началу текста · генерация простых англоязычных рассказов · создание текстовых примеров для экспериментов с TinyStories

SegFormer, дообученная на Cityscapes, выполняет семантическую сегментацию городских изображений по пикселям.

Подходит для: сегментация объектов на дорожных снимках · разметка городских сцен для анализа улиц · выделение областей проезжей части и городской инфраструктуры

Компактный энкодер SegFormer B0, обученный на ImageNet-1k для классификации изображений и дальнейшей настройки задач сегментации.

Подходит для: Классификация изображений по классам ImageNet-1k · Дообучение энкодера для семантической сегментации · Использование визуального энкодера в экспериментах с компьютерным зрением

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-B2, дообученная на Cityscapes модель NVIDIA для пиксельной сегментации городских сцен.

Подходит для: Сегментация объектов на изображениях городских улиц · Разметка пикселей дорожных сцен по семантическим классам · Анализ уличных изображений для задач компьютерного зрения

SAM 2.1 Hiera Base Plus — модель FAIR для сегментации объектов на изображениях и отслеживания их масок в видео по визуальным подсказкам.

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

SegFormer B3 — модель семантической сегментации городских сцен, дообученная на Cityscapes для попиксельной разметки изображений.

Подходит для: разметка классов объектов на изображениях городских улиц · сегментация дорожных сцен для систем компьютерного зрения · выделение областей дороги, зданий и других элементов сцены

Сжатая модель SAM для автоматической и управляемой подсказками сегментации объектов на изображениях.

Подходит для: автоматическая сегментация объектов на изображении · создание маски объекта по заданным точкам · выделение объекта по ограничивающей рамке

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

Подходит для: выделение объекта на изображении по точке или рамке · сегментация выбранного объекта в видеопоследовательности · отслеживание объекта между кадрами видео

SegFormer-B4 от NVIDIA сегментирует городские изображения по пикселям и предназначена для анализа сцен на датасете Cityscapes.

Подходит для: семантическая сегментация уличных фотографий · разметка пикселей на изображениях городских сцен · выделение объектов и областей на дорожных изображениях