yonigozlan/EdgeTAM-hf
Model Details \📃 Tech Report\(https://arxiv.org/abs/2501.07256) \📂 Github\(https://github.com/facebookresearch/EdgeTAM) \🤗 Demo\(https://huggingface.co/spaces/yonigozlan/EdgeTAM-hf) EdgeTAM is an on-device executable variant of the SAM 2 for prom...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tuần
#1 Repository Của Tuần
#1 Repository Của Tuần
🚀 EdgeTAM-hf: SAM 2 siêu nhẹ, chạy trên iPhone mà không cần quantize
EdgeTAM là biến thể có thể thực thi trên thiết bị của SAM 2, hỗ trợ phân đoạn và theo dõi đối tượng trong video theo prompt.
EdgeTAM-hf là mô hình phân đoạn ảnh (mask generation) được tối ưu để chạy nhanh trên thiết bị, dựa trên SAM 2 của Meta. Được phát triển bởi Nhóm nghiên cứu Facebook (FAIR), EdgeTAM chạy nhanh gấp 22 lần so với SAM 2 và đạt 16 khung hình/giây trên iPhone 15 Pro Max mà không cần quantize. Mô hình hỗ trợ phân đoạn đối tượng theo prompt (point click, bounding box) và có khả năng theo dõi đối tượng trong video.
✨ Điểm nổi bật
- Tốc độ vượt trội: Chạy 22× nhanh hơn SAM 2, đạt 16 FPS trên iPhone 15 Pro Max.
- Hỗ trợ Transformers: Tích hợp sẵn với thư viện Transformers của Hugging Face.
- Phân đoạn theo prompt: Hỗ trợ click điểm đơn, nhiều điểm, và bounding box.
- Tạo mask tự động: Dùng pipeline
mask-generationđể phân đoạn toàn bộ đối tượng trong ảnh. - Theo dõi video: Hỗ trợ tracking đối tượng qua các khung hình video.
- Không cần quantize: Vận hành hiệu quả ngay trên thiết bị mà không cần nén mô hình.
- Batch inference: Hỗ trợ xử lý đồng thời nhiều ảnh và nhiều đối tượng.
💡 Vì sao đáng chú ý
EdgeTAM khác biệt từ SAM 2 bằng cách tối ưu kiến trúc để chạy hiệu quả trên thiết bị di động, mang lại tốc độ cao mà không cần đến quantize hoặc các kỹ thuật nén phức tạp. Phù hợp cho ứng dụng thực tế như phân tích video trên điện thoại, robot tự động hóa, hoặc các bài toán CV tại chỗ (on-device) yêu cầu tốc độ và hiệu năng thời gian thực.
#EdgeTAM #SAM2 #MaskGeneration #Transformers #OnDeviceAI #TiniX
Dự án tương tự
Khám phá các dự án và mô hình AI khác có sự tương đồng.
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...
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...
FlagEmbedding Model List | FAQ | Usage | Evaluation | Train | Contact | Citation | License More details please refer to our Github: FlagEmbedding(https://github.com/FlagOpen/FlagEmbedding). If you are looking for a model that supports more languages,...
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...
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...
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...
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...
Qwen3-0.6B Qwen3 Highlights Qwen3 is the latest generation of large language models in Qwen series, offering a comprehensive suite of dense and mixture-of-experts (MoE) models. Built upon extensive training, Qwen3 delivers groundbreaking advancement...