库名称：transformers
许可证：mit

RobustSAM：在退化图像上稳健分割一切（CVPR 2024亮点）

ViT Base（ViT-B）版本模型卡

RobustSAM官方仓库：在退化图像上稳健分割一切

项目页面 | 论文 | 数据集

简介

分割一切模型（SAM）已成为图像分割领域的革命性方法，以其强大的零样本分割能力和灵活的提示系统备受赞誉。然而，其在图像质量退化时的表现面临挑战。为解决这一局限，我们提出了稳健分割一切模型（RobustSAM），在保持提示性和零样本泛化能力的同时，提升了SAM在低质量图像上的性能。

我们的方法利用预训练的SAM模型，仅需少量参数增加和计算需求。RobustSAM的额外参数可在8块GPU上30小时内完成优化，展示了其在典型研究实验室中的可行性和实用性。我们还引入了Robust-Seg数据集，包含68.8万张带不同退化类型的图像-掩码对，专为优化模型训练和评估而设计。在多种分割任务和数据集上的广泛实验证实了RobustSAM的卓越性能，尤其是在零样本条件下，凸显了其广泛实际应用的潜力。此外，我们的方法还能有效提升基于SAM的下游任务（如单图像去雾和去模糊）的性能。

免责声明：本模型卡内容由Hugging Face团队撰写，部分内容复制自原始SAM模型卡。

模型详情

RobustSAM模型由3个模块组成：

• VisionEncoder：基于VIT的图像编码器。通过图像块注意力计算图像嵌入，使用相对位置编码。
• PromptEncoder：为点和边界框生成嵌入。
• MaskDecoder：双向Transformer，在图像嵌入和点嵌入之间执行交叉注意力（->）及反向操作。输出送入
• Neck：基于MaskDecoder生成的上下文掩码预测输出掩码。

使用方式

提示掩码生成

from PIL import Image  
import requests  
from transformers import AutoProcessor, AutoModelForMaskGeneration  

# 加载RobustSAM模型和处理器  
processor = AutoProcessor.from_pretrained("jadechoghari/robustsam-vit-base")  
model = AutoModelForMaskGeneration.from_pretrained("jadechoghari/robustsam-vit-base")  

# 从URL加载图像  
img_url = "https://huggingface.co/ybelkada/segment-anything/resolve/main/assets/car.png"  
raw_image = Image.open(requests.get(img_url, stream=True).raw).convert("RGB")  

# 定义输入点（图像中物体的2D定位）  
input_points = [[[450, 600]]]  # 示例点  

# 处理图像和输入点  
inputs = processor(raw_image, input_points=input_points, return_tensors="pt").to("cuda")  

# 使用模型生成掩码  
with torch.no_grad():  
    outputs = model(**inputs)  
masks = processor.image_processor.post_process_masks(outputs.pred_masks.cpu(), inputs["original_sizes"].cpu(), inputs["reshaped_input_sizes"].cpu())  
scores = outputs.iou_scores  

生成掩码时，除其他参数外，可传递物体大致位置的2D坐标、包围物体的边界框（格式应为边界框左上和右下点的x、y坐标）或分割掩码。截至撰写时，官方模型不支持文本输入（参见官方仓库）。
更多细节可参考此笔记本，其中展示了使用模型的完整流程及可视化示例！

自动掩码生成

该模型可用于“零样本”方式生成分割掩码，给定输入图像。模型会自动提示1024个网格点作为输入。

以下代码片段演示了如何轻松运行自动掩码生成管道（适用于任何设备！只需传递适当的points_per_batch参数）：

from transformers import pipeline  

# 初始化掩码生成管道  
generator = pipeline("mask-generation", model="jadechoghari/robustsam-vit-base", device=0, points_per_batch=256)  

image_url = "https://huggingface.co/ybelkada/segment-anything/resolve/main/assets/car.png"  
outputs = generator(image_url, points_per_batch=256)  

现在展示生成的掩码：

import matplotlib.pyplot as plt  
from PIL import Image  
import numpy as np  

# 简单函数显示掩码  
def show_mask(mask, ax, random_color=False):  
    if random_color:  
        color = np.concatenate([np.random.random(3), np.array([0.6])], axis=0)  
    else:  
        color = np.array([30 / 255, 144 / 255, 255 / 255, 0.6])  
    
    # 从掩码获取高度和宽度  
    h, w = mask.shape[-2:]  
    mask_image = mask.reshape(h, w, 1) * color.reshape(1, 1, -1)  
    ax.imshow(mask_image)  

# 显示原始图像  
plt.imshow(np.array(raw_image))  
ax = plt.gca()  

# 遍历掩码并逐个显示  
for mask in outputs["masks"]:  
    show_mask(mask, ax=ax, random_color=True)  

plt.axis("off")  

# 显示带掩码的图像  
plt.show()  

视觉对比

引用

如果本工作对您有帮助，请考虑引用我们！

@inproceedings{chen2024robustsam,  
  title={RobustSAM: Segment Anything Robustly on Degraded Images},  
  author={Chen, Wei-Ting and Vong, Yu-Jiet and Kuo, Sy-Yen and Ma, Sizhou and Wang, Jian},  
  journal={CVPR},  
  year={2024}  
}  

致谢

我们感谢SAM的作者，我们的仓库基于其构建。