facebook/sam-vit-base
Model Card for Segment Anything Model (SAM) - ViT Base (ViT-B) version Detailed architecture of Segment Anything Model (SAM). Table of Contents 0. TL;DR(TL;DR) 1. Model Details(model-details) 2. Usage(usage) 3. Citation(citation) TL;DR Link to origi...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tuần
#1 Repository Của Tuần
#2 Repository Của Tuần
🧠 SAM ViT-B: Mô hình phân đoạn ảnh mạnh, promptable, zero-shot
Segment Anything Model (SAM) sinh mask chất lượng cao từ prompt điểm hoặc hộp, hỗ trợ zero-shot trên nhiều task phân đoạn ảnh.
SAM (Segment Anything Model) là mô hình phân đoạn ảnh phát triển bởi Facebook Research, phiên bản ViT-B (Vision Transformer Base). Mô hình được huấn luyện trên tập dữ liệu 11 triệu ảnh và 1.1 tỷ mask, cho hiệu năng zero-shot xuất sắc. SAM hỗ trợ sinh mask từ prompt như điểm, hộp giới hạn, hoặc mask mẫu.
✨ Điểm nổi bật
- Kiến trúc 3 module: VisionEncoder (VIT), PromptEncoder, MaskDecoder (two-way transformer)
- Prompt linh hoạt: hỗ trợ điểm 2D, hộp giới hạn, mask mẫu
- Zero-shot mạnh: hiệu năng cao ngay cả trên phân phối mới chưa từng thấy
- Tự động sinh mask: dùng lưới 1024 điểm để sinh mask cho toàn bộ ảnh
- Pipeline đơn giản: dùng
transformers.pipeline("mask-generation") - Hỗ trợ đa nền tảng: PyTorch, TensorFlow, safetensors
💡 Vì sao đáng chú ý
SAM không chỉ là mô hình phân đoạn — nó là một nền tảng foundation cho computer vision. Khả năng zero-shot mạnh mẽ cho phép ứng dụng trực tiếp mà không cần huấn luyện lại, rất phù hợp cho nghiên cứu và ứng dụng thực tế trong lĩnh vực thị giác máy tính.
#SegmentAnything #SAM #ComputerVision #MaskGeneration #HuggingFace #TiniX
Dự án tương tự
Khám phá các dự án và mô hình AI khác có sự tương đồng.
all-MiniLM-L6-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using t...
SAM 3 is a unified foundation model for promptable segmentation in images and videos. It can detect, segment, and track objects using text or visual prompts such as points, boxes, and masks. Compared to its predecessor SAM 2(https://github.com/facebo...
sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic se...
BERT base model (uncased) Pretrained model on English language using a masked language modeling (MLM) objective. It was introduced in this paper(https://arxiv.org/abs/1810.04805) and first released in this repository(https://github.com/google-resear...
Model Card for T5 Small !model image(https://camo.githubusercontent.com/623b4dea0b653f2ad3f36c71ebfe749a677ac0a1/68747470733a2f2f6d69726f2e6d656469756d2e636f6d2f6d61782f343030362f312a44304a31674e51663876727255704b657944387750412e706e67) Table of Con...
Qwen3.8-27B !Note This repository contains model weights and configuration files for the post-trained model in the Hugging Face Transformers format. These artifacts are compatible with Hugging Face Transformers, vLLM, SGLang, TokenSpeed, etc. !Tip F...
Cross-Encoder for MS Marco This model was trained on the MS Marco Passage Ranking(https://github.com/microsoft/MSMARCO-Passage-Ranking) task. The model can be used for Information Retrieval: Given a query, encode the query will all possible passages...
GPT-2 Test the whole generation capabilities here: https://transformer.huggingface.co/doc/gpt2-large Pretrained model on English language using a causal language modeling (CLM) objective. It was introduced in this paper(https://d4mucfpksywv.cloudfro...
Whisper Whisper is a state-of-the-art model for automatic speech recognition (ASR) and speech translation, proposed in the paper Robust Speech Recognition via Large-Scale Weak Supervision(https://huggingface.co/papers/2212.04356) by Alec Radford et...