Il s'agit d'une application de démonstration Swift pour les modèles SAM 2 Core ML.
SAM 2 (Segment Anything in Images and Videos) est une collection de modèles de base de FAIR qui visent à résoudre la segmentation visuelle rapide dans les images et les vidéos. Voir l'article SAM 2 pour plus d'informations.
Téléchargez la version compilée c'est par ici !.
Si vous préférez le compiler vous-même ou souhaitez utiliser un modèle plus grand, téléchargez simplement le dépôt, compilez avec Xcode et exécutez. L'application est livrée avec la version Small du modèle, mais vous pouvez la remplacer par l'un des modèles pris en charge :
SAM 2.1 Minuscule
SAM 2.1 Petit
Base SAM 2.1
SAM 2.1 Grand
Pour les anciens modèles, veuillez consulter l'organisation Apple sur HuggingFace.
Cette démo prend en charge les images, le support vidéo viendra plus tard.
Vous pouvez sélectionner un ou plusieurs points de premier plan pour choisir les objets dans l'image. Chaque point supplémentaire est interprété comme un raffinement du masque précédent.
Utilisez un point d'arrière-plan pour indiquer une zone à supprimer du masque actuel.
Vous pouvez utiliser une zone pour sélectionner une zone approximative contenant l'objet qui vous intéresse.
Si vous souhaitez utiliser un modèle affiné, vous pouvez le convertir à l'aide de ce fork du dépôt SAM 2. S'il vous plaît, dites-nous à quoi vous l'utilisez !
Les commentaires, les problèmes et les relations publiques sont les bienvenus ! N'hésitez pas à nous contacter.
Pour citer l'article, le modèle ou le logiciel SAM 2, veuillez utiliser ce qui suit :
@article{ravi2024sam2,
title={SAM 2: Segment Anything in Images and Videos},
author={Ravi, Nikhila and Gabeur, Valentin and Hu, Yuan-Ting and Hu, Ronghang and Ryali, Chaitanya and Ma, Tengyu and Khedr, Haitham and R{"a}dle, Roman and Rolland, Chloe and Gustafson, Laura and Mintun, Eric and Pan, Junting and Alwala, Kalyan Vasudev and Carion, Nicolas and Wu, Chao-Yuan and Girshick, Ross and Doll{'a}r, Piotr and Feichtenhofer, Christoph},
journal={arXiv preprint arXiv:2408.00714},
url={https://arxiv.org/abs/2408.00714},
year={2024}
} 
