Segmento móvel Qualquer coisa (MobileSAM)
O artigo MobileSAM está agora disponível no arXiv.
Uma demonstração de MobileSAM em execução numa CPU pode ser acedida nesta ligação de demonstração. O desempenho em uma CPU Mac i5 leva aproximadamente 3 segundos. Na demonstração Hugging Face , a interface e as CPUs de desempenho inferior contribuem para uma resposta mais lenta, mas continua a funcionar eficazmente.
MobileSAM é implementado em vários projectos, incluindo Grounding-SAM, AnyLabeling e Segment Anything in 3D.
MobileSAM é treinado numa única GPU com um conjunto de dados de 100k (1% das imagens originais) em menos de um dia. O código para este treino será disponibilizado no futuro.
Modelos disponíveis, tarefas suportadas e modos de funcionamento
Esta tabela apresenta os modelos disponíveis com os seus pesos pré-treinados específicos, as tarefas que suportam e a sua compatibilidade com diferentes modos de funcionamento, como Inferência, Validação, Treino e Exportação, indicados por emojis ✅ para modos suportados e emojis ❌ para modos não suportados.
Tipo de modelo | Pesos pré-treinados | Tarefas suportadas | Inferência | Validação | Formação | Exportação |
---|---|---|---|---|---|---|
MobileSAM | mobile_sam.pt | Segmentação de instâncias | ✅ | ❌ | ❌ | ❌ |
Adaptação de SAM para MobileSAM
Uma vez que o MobileSAM mantém o mesmo pipeline que o SAM original, incorporámos o pré-processamento, o pós-processamento e todas as outras interfaces do original. Consequentemente, quem utiliza atualmente o SAM original pode fazer a transição para MobileSAM com um esforço mínimo.
MobileSAM tem um desempenho comparável ao original SAM e mantém o mesmo pipeline, exceto por uma alteração no codificador de imagem. Especificamente, substituímos o codificador ViT-H pesado original (632M) por um Tiny-ViT mais pequeno (5M). Numa única GPU, o MobileSAM funciona a cerca de 12ms por imagem: 8ms no codificador de imagem e 4ms no descodificador de máscara.
A tabela seguinte apresenta uma comparação dos codificadores de imagem baseados em ViT:
Codificador de imagem | Original SAM | MobileSAM |
---|---|---|
Parâmetros | 611M | 5M |
Velocidade | 452ms | 8ms |
Tanto o SAM original como o MobileSAM utilizam o mesmo descodificador de máscaras guiado por pedidos:
Descodificador de máscaras | Original SAM | MobileSAM |
---|---|---|
Parâmetros | 3.876M | 3.876M |
Velocidade | 4ms | 4ms |
Aqui tens a comparação de todo o gasoduto:
Todo o Pipeline (Enc+Dec) | Original SAM | MobileSAM |
---|---|---|
Parâmetros | 615M | 9.66M |
Velocidade | 456ms | 12ms |
O desempenho do MobileSAM e do SAM original é demonstrado utilizando um ponto e uma caixa como prompts.
Com o seu desempenho superior, o MobileSAM é aproximadamente 5 vezes mais pequeno e 7 vezes mais rápido do que o atual FastSAM. Mais detalhes estão disponíveis na página do projetoMobileSAM .
Teste MobileSAM em Ultralytics
Tal como o original SAM, oferecemos um método de teste simples em Ultralytics, incluindo modos para os avisos Ponto e Caixa.
Descarregar o modelo
Podes descarregar o modelo aqui.
Ponto Prompt
Exemplo
Caixa Prompt
Exemplo
Implementámos MobileSAM
e SAM
utilizando a mesma API. Para mais informações sobre a utilização, consulta a SAM página.
Citações e agradecimentos
Se considerares o MobileSAM útil no teu trabalho de investigação ou desenvolvimento, considera a possibilidade de citar o nosso documento:
Criado em 2023-11-12, Atualizado em 2024-04-17
Autores: glenn-jocher (8), ChaoningZhang (1), Laughing-q (1)