Mobile Segment Anything (MobileSAM)
L'article MobileSAM est maintenant disponible sur arXiv.
Une démonstration de MobileSAM fonctionnant sur une unité centrale est accessible sur ce lien de démonstration. La performance sur une unité centrale Mac i5 prend environ 3 secondes. Sur la démo Hugging Face , l'interface et les unités centrales moins performantes contribuent à une réponse plus lente, mais elle continue à fonctionner efficacement.
MobileSAM est mis en Ĺ“uvre dans divers projets, notamment Grounding-SAM, AnyLabeling, et Segment Anything in 3D.
MobileSAM est entraîné sur un seul GPU avec un ensemble de données de 100k (1% des images originales) en moins d'une journée. Le code de cette formation sera mis à disposition ultérieurement.
Modèles disponibles, tâches prises en charge et modes de fonctionnement
Ce tableau présente les modèles disponibles avec leurs poids spécifiques pré-entraînés, les tâches qu'ils prennent en charge et leur compatibilité avec différents modes de fonctionnement comme Inference, Validation, Training et Export, indiqués par des emojis ✅ pour les modes pris en charge et des emojis ❌ pour les modes non pris en charge.
Type de modèle | Poids pré-entraînés | Tâches prises en charge | Inférence | Validation | Formation | Exporter |
---|---|---|---|---|---|---|
MobileSAM | mobile_sam.pt | Segmentation des instances | ✅ | ❌ | ❌ | ❌ |
Adaptation de SAM Ă MobileSAM
Puisque MobileSAM conserve le même pipeline que l'original SAM, nous avons incorporé le prétraitement, le post-traitement et toutes les autres interfaces de l'original. Par conséquent, les personnes qui utilisent actuellement l'original SAM peuvent passer à MobileSAM avec un minimum d'effort.
MobileSAM a des performances comparables à celles de l'original SAM et conserve le même pipeline, à l'exception d'un changement dans l'encodeur d'image. Plus précisément, nous remplaçons le lourd encodeur ViT-H d'origine (632M) par un encodeur Tiny-ViT plus petit (5M). Sur un seul GPU, MobileSAM fonctionne à environ 12 ms par image : 8 ms pour l'encodeur d'image et 4 ms pour le décodeur de masque.
Le tableau suivant présente une comparaison des encodeurs d'images basés sur le ViT :
Encodeur d'images | Original SAM | MobileSAM |
---|---|---|
Paramètres | 611M | 5M |
La vitesse | 452ms | 8ms |
L'original SAM et MobileSAM utilisent tous deux le même décodeur de masque guidé par l'invite :
DĂ©codeur de masque | Original SAM | MobileSAM |
---|---|---|
Paramètres | 3.876M | 3.876M |
La vitesse | 4ms | 4ms |
Voici la comparaison de l'ensemble de la canalisation :
Pipeline entier (Enc+Dec) | Original SAM | MobileSAM |
---|---|---|
Paramètres | 615M | 9.66M |
La vitesse | 456ms | 12ms |
Les performances de MobileSAM et de l'original SAM sont démontrées à l'aide d'un point et d'une boîte.
Grâce à ses performances supérieures, MobileSAM est environ 5 fois plus petit et 7 fois plus rapide que l'actuel FastSAM. Plus de détails sont disponibles sur la page du projetMobileSAM .
Tester MobileSAM dans Ultralytics
Tout comme l'original SAM, nous proposons une méthode de test simple dans Ultralytics, y compris des modes pour les messages-guides de type Point et Box.
Modèle à télécharger
Tu peux télécharger le modèle ici.
Point d'interrogation
Exemple
Prompt Ă l'action
Exemple
Nous avons mis en place MobileSAM
et SAM
en utilisant la mĂŞme API. Pour plus d'informations sur l'utilisation, tu peux consulter le SAM page.
Citations et remerciements
Si tu trouves MobileSAM utile dans ton travail de recherche ou de développement, pense à citer notre article :
Créé le 2023-11-12, Mis à jour le 2024-04-17
Auteurs : glenn-jocher (8), ChaoningZhang (1), Laughing-q (1)