基于PyTorch的FPN架构图像分割模型，支持多种编码器，适用于语义分割任务。

该论文提出了一种将Vision Transformer (ViT) 重新解释为图像分割模型的方法，展示了ViT在图像分割任务中的潜力。

该论文提出了一种将Vision Transformer (ViT) 重新解释为图像分割模型的方法，揭示了ViT在图像分割任务中的潜力。

该论文提出了一种基于Vision Transformer (ViT) 的图像分割模型，揭示了ViT在图像分割任务中的潜力。

该论文提出了一种将Vision Transformer (ViT) 重新解释为图像分割模型的方法，展示了ViT在图像分割任务中的潜力。

该模型揭示了Vision Transformer (ViT) 在图像分割任务中的潜力，通过特定架构调整使其适用于分割任务。

该模型揭示了Vision Transformer (ViT) 在图像分割任务中的潜力，通过特定架构调整使其适用于分割任务。

该论文提出了一种将Vision Transformer (ViT) 重新解释为图像分割模型的方法，展示了ViT在图像分割任务中的潜力。

PAN是基于PyTorch实现的图像分割模型，采用金字塔注意力机制增强特征提取能力

基于PyTorch实现的FPN图像分割模型，支持多种编码器架构，适用于语义分割任务。

SUM 是一个用于掩码生成的模型，具体功能未明确说明，可能涉及图像或文本的掩码生成任务。

基于PyTorch的Unet图像分割模型，支持多种编码器架构

基于PyTorch实现的Unet图像分割模型，支持多种编码器架构和预训练权重。

SAM2-Hiera小型版是Meta发布的SAM2模型的小型变体，用于高效的掩模生成任务。

这是一个专用于图像分割的视觉模型，采用FP16 Safetensors格式，优化用于StableSwarmUI项目。

用于人体解析任务的图像分割数据集

SlimSAM-77-Uniform 是一个轻量级的 SAM (Segment Anything Model) 模型，专注于高效的图像分割任务。

SlimSAM是Segment Anything (SAM)模型的压缩版本，通过剪枝和蒸馏技术大幅减少参数量和计算需求，同时保持高质量的对象分割能力。

基于nvidia/mit-b5微调的图像分割模型，专注于裂缝检测任务

基于视觉Transformer架构的大规模图像分割模型，能够根据输入点生成高质量对象掩模

该模型是基于SegFormer架构(b0尺寸)在FLAME数据集上微调的图像分割模型，专门用于森林火灾检测。

基于ViT架构的图像分割基础模型，支持通过输入点生成高质量对象掩码