🚀 Mask2Former
Mask2Former是一个用于图像分割的模型,它采用相同的范式处理实例、语义和全景分割任务,通过预测一组掩码和相应的标签来实现高效准确的分割效果。
🚀 快速开始
你可以使用这个特定的检查点进行全景分割。若想寻找针对其他感兴趣任务的微调版本,可查看模型中心。
✨ 主要特性
- 统一范式:Mask2Former使用相同的范式处理实例、语义和全景分割,将这3个任务都视为实例分割任务,通过预测一组掩码和相应的标签来完成。
- 性能提升:在性能和效率方面均超越了之前的SOTA模型MaskFormer。具体通过以下方式实现:
- 用更先进的多尺度可变形注意力Transformer替换像素解码器。
- 采用带有掩码注意力的Transformer解码器,在不引入额外计算的情况下提升性能。
- 通过在子采样点上计算损失而非整个掩码,提高训练效率。

📦 安装指南
文档未提及具体安装步骤,故跳过此章节。
💻 使用示例
基础用法
import requests
import torch
from PIL import Image
from transformers import AutoImageProcessor, Mask2FormerForUniversalSegmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-small-cityscapes-panoptic")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-small-cityscapes-panoptic")
url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)
inputs = processor(images=image, return_tensors="pt")
with torch.no_grad():
outputs = model(**inputs)
class_queries_logits = outputs.class_queries_logits
masks_queries_logits = outputs.masks_queries_logits
result = processor.post_process_panoptic_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
predicted_panoptic_map = result["segmentation"]
高级用法
更多代码示例,请参考文档。
📚 详细文档
Mask2Former模型在Cityscapes全景分割上进行了训练(小尺寸版本,Swin骨干网络)。它在论文Masked-attention Mask Transformer for Universal Image Segmentation中被提出,并首次在此仓库中发布。
免责声明:发布Mask2Former的团队没有为该模型编写模型卡片,因此此模型卡片由Hugging Face团队编写。
🔧 技术细节
Mask2Former通过预测一组掩码和相应的标签来处理实例、语义和全景分割任务。它在性能和效率上超越了之前的SOTA模型MaskFormer,具体改进包括:
- 用更先进的多尺度可变形注意力Transformer替换像素解码器。
- 采用带有掩码注意力的Transformer解码器,在不引入额外计算的情况下提升性能。
- 通过在子采样点上计算损失而非整个掩码,提高训练效率。
📄 许可证
许可证类型:other
📋 信息表格
属性 |
详情 |
模型类型 |
用于全景分割的Mask2Former模型(小尺寸版本,Swin骨干网络) |
训练数据 |
COCO、Cityscapes |