facebook/sam-vit-huge
Model Card for Segment Anything Model (SAM) - ViT Huge (ViT-H) 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
#1 Repository Của Tuần
🖼️ SAM ViT-H: Sinh mask đối tượng chất lượng cao từ bất kỳ prompt nào
Mô hình Segment Anything (SAM) của Meta AI, phiên bản ViT Huge, sinh mask đối tượng từ điểm nhấn, hộp giới hạn hoặc lưới điểm tự động — zero-shot mạnh mẽ trên mọi bản phân phối ảnh.
Dự án facebook/sam-vit-huge là phiên bản lớn nhất của mô hình Segment Anything Model (SAM), phát triển bởi Meta AI và được Hugging Face đóng gói để dùng ngay qua thư viện Transformers. SAM được huấn luyện trên tập dữ liệu khổng lồ gồm 11 triệu ảnh và 1.1 tỷ mask, cho phép sinh mask đối tượng chất lượng cao chỉ từ các prompt đơn giản như điểm nhấn (points), hộp giới hạn (bounding boxes) hoặc thậm chí không cần prompt bằng cách dùng lưới 1024 điểm tự động.
✨ Điểm nổi bật
- Zero-shot mạnh mẽ: Hiệu suất xuất sắc ngay cả khi chưa được huấn luyện trên bản phân phối mới.
- Hỗ trợ nhiều dạng prompt: Điểm nhấn 2D, hộp giới hạn, hoặc lưới điểm tự động.
- Kiến trúc 3 module rõ rệt: VisionEncoder (ViT), PromptEncoder, và MaskDecoder với cơ chế cross-attention hai chiều.
- Tích hợp Transformers: Dùng ngay qua
SamModelvàSamProcessortrong Hugging Face. - Tự động sinh mask: Pipeline
mask-generationhỗ trợ sinh mask cho toàn bộ đối tượng trong ảnh mà không cần nhãn. - Hỗ trợ thiết bị linh hoạt: Chạy trên CPU, GPU, hoặc bất kỳ nền tảng nào nhờ
points_per_batch. - Xuất mask chất lượng cao: Kết quả mask được hậu xử lý và điều chỉnh kích thước gốc.
💡 Vì sao đáng chú ý
SAM không chỉ là một mô hình phân đoạn — nó là một bước đột phá trong lĩnh vực foundation model cho thị giác máy tính. Khả năng zero-shot mạnh mẽ giúp giảm thiểu nhu cầu gán nhãn dữ liệu, mở ra khả năng áp dụng nhanh trên nhiều lĩnh vực như y học, tự động hóa công nghiệp, hoặc xử lý ảnh vệ tinh. Đặc biệt, phiên bản ViT Huge mang lại độ chính xác cao nhất trong dòng sản phẩm, phù hợp cho các bài toán đòi hỏi độ chi tiết tối đa.
#SegmentAnything #SAM #ComputerVision #MaskGeneration #MetaAI #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...