Mobile Segment Anything (MobileSAM)#

MobileSAM es un modelo compacto y eficiente de segmentación de imágenes, diseñado específicamente para dispositivos móviles y de edge computing. Creado para llevar la potencia del Modelo de segmentación de cualquier cosa de Meta (SAM) a entornos con recursos informáticos limitados, MobileSAM ofrece segmentación casi instantánea y mantiene la compatibilidad con el flujo de trabajo original de SAM. Tanto si desarrollas aplicaciones en tiempo real como si preparas implementaciones ligeras, MobileSAM proporciona resultados de segmentación impresionantes con una fracción de los requisitos de tamaño y velocidad de sus predecesores.

MobileSAM se ha incorporado a diversos proyectos, como Grounding-SAM, AnyLabeling y Segment Anything in 3D.

MobileSAM se entrenó en una sola GPU con un conjunto de datos de 100.000 imágenes (el 1 % de las imágenes originales) en menos de un día.

Modelos disponibles, tareas compatibles y modos de funcionamiento#

La siguiente tabla describe el modelo MobileSAM disponible, sus pesos preentrenados, las tareas compatibles y la compatibilidad con distintos modos de funcionamiento, como Inferencia, Validación, Entrenamiento y Exportación. Los modos compatibles se indican con ✅ y los no compatibles, con ❌.

Comparación de MobileSAM con YOLO#

La siguiente comparación destaca las diferencias entre las variantes SAM de Meta, MobileSAM y los modelos de segmentación de Ultralytics, incluido YOLO26n-seg:

Esta comparación muestra las diferencias sustanciales de tamaño y velocidad entre las variantes de SAM y los modelos de segmentación YOLO. Aunque los modelos SAM ofrecen capacidades únicas de segmentación automática, los modelos YOLO —especialmente YOLOv8n-seg, YOLO11n-seg y YOLO26n-seg— son mucho más pequeños, rápidos y eficientes desde el punto de vista computacional.

Las velocidades de SAM se han medido con PyTorch y las de YOLO, con ONNX Runtime. Las pruebas se han realizado en un Apple M4 Air de 2025 con 16 GB de RAM usando torch==2.10.0, ultralytics==8.4.31 y onnxruntime==1.24.4. Para reproducir estos resultados:

from ultralytics import ASSETS, SAM, YOLO, FastSAM

# Perfilar SAM2-t, SAM2-b, SAM-b, MobileSAM
for file in ["sam_b.pt", "sam2_b.pt", "sam2_t.pt", "mobile_sam.pt"]:
    model = SAM(file)
    model.info()
    model(ASSETS)

# Perfilar FastSAM-s
model = FastSAM("FastSAM-s.pt")
model.info()
model(ASSETS)

# Perfilar modelos YOLO (ONNX)
for file_name in ["yolov8n-seg.pt", "yolo11n-seg.pt", "yolo26n-seg.pt"]:
    model = YOLO(file_name)
    model.info()
    onnx_path = model.export(format="onnx", dynamic=True, nms=False)  # Cabezal sin NMS de YOLO26; no hace nada con YOLOv8/YOLO11
    model = YOLO(onnx_path)
    model(ASSETS)

Adaptación de SAM a MobileSAM#

MobileSAM conserva el mismo flujo de procesamiento que el SAM original, incluido el preprocesamiento, el posprocesamiento y todas las interfaces. Esto significa que puedes pasar de SAM a MobileSAM con cambios mínimos en tu flujo de trabajo.

La diferencia clave está en el codificador de imágenes: MobileSAM sustituye el codificador ViT-H original (637 M de parámetros) por un codificador Tiny-ViT mucho más pequeño (5 M de parámetros). En una sola GPU, MobileSAM procesa una imagen en unos 12 ms (8 ms para el codificador y 4 ms para el decodificador de máscaras).

Comparación de codificadores de imágenes basados en ViT#

Decodificador de máscaras guiado por indicaciones#

Comparación del flujo de procesamiento completo#

A continuación se muestra el rendimiento de MobileSAM y del SAM original con indicaciones de puntos y de cuadros.

MobileSAM es aproximadamente 7 veces más pequeño y 5 veces más rápido que FastSAM. Para obtener más información, visita la página del proyecto MobileSAM.

Prueba de MobileSAM en Ultralytics#

Al igual que el SAM original, Ultralytics ofrece una interfaz sencilla para probar MobileSAM, compatible con indicaciones de puntos y de cuadros.

Descarga del modelo#

Descarga los pesos preentrenados de MobileSAM desde los recursos de Ultralytics.

Indicación de punto#

from ultralytics import SAM

# Carga el modelo
model = SAM("mobile_sam.pt")

# Predice un segmento a partir de una indicación de un solo punto
model.predict("ultralytics/assets/zidane.jpg", points=[900, 370], labels=[1])

# Predice varios segmentos a partir de indicaciones de varios puntos
model.predict("ultralytics/assets/zidane.jpg", points=[[400, 370], [900, 370]], labels=[1, 1])

# Predice un segmento por objeto a partir de indicaciones de varios puntos
model.predict("ultralytics/assets/zidane.jpg", points=[[[400, 370], [900, 370]]], labels=[[1, 1]])

# Predice un segmento usando indicaciones positivas y negativas.
model.predict("ultralytics/assets/zidane.jpg", points=[[[400, 370], [900, 370]]], labels=[[1, 0]])

Indicación de cuadro#

from ultralytics import SAM

# Carga el modelo
model = SAM("mobile_sam.pt")

# Predice un segmento a partir de una indicación de un solo cuadro
model.predict("ultralytics/assets/zidane.jpg", bboxes=[439, 437, 524, 709])

# Predice varios segmentos a partir de indicaciones de varios cuadros
model.predict("ultralytics/assets/zidane.jpg", bboxes=[[439, 437, 524, 709], [114, 196, 313, 708]])

Tanto MobileSAM como SAM comparten la misma API. Para obtener más información sobre su uso, consulta la documentación de SAM.

Creación automática de conjuntos de datos de segmentación con un modelo de detección#

Para anotar automáticamente tu conjunto de datos con el framework Ultralytics, usa la función auto_annotate como se muestra a continuación:

from ultralytics.data.annotator import auto_annotate

auto_annotate(data="path/to/images", det_model="yolo26x.pt", sam_model="mobile_sam.pt")

Citas y agradecimientos#

Si MobileSAM te resulta útil en tus investigaciones o desarrollo, considera citar el siguiente artículo:

@article{mobile_sam,
  title={Faster Segment Anything: Towards Lightweight SAM for Mobile Applications},
  author={Zhang, Chaoning and Han, Dongshen and Qiao, Yu and Kim, Jung Uk and Bae, Sung Ho and Lee, Seungkyu and Hong, Choong Seon},
  journal={arXiv preprint arXiv:2306.14289},
  year={2023}
}

Lee el artículo completo de MobileSAM en arXiv.

Preguntas frecuentes#