高质量的全能分割

高质量的全能分割
NeurIPS 2023
苏黎世联邦理工学院 & 香港科技大学

我们提出HQ-SAM来升级SAM，实现高质量的零样本分割。更多详情请参考我们的论文。

更新

:fire::fire: SAM用于视频分割：对SAM和视频的结合感兴趣吗？HQ-SAM在文本提示模式下得到了DEVA的支持！另外，也可以查看使用SAM的MASA和SAM-PT工作。

:fire::fire: 3D中的SAM：对SAM和3D高斯喷溅的结合感兴趣吗？请看我们的新工作高斯分组！此外，如果你对SAM和NeRF的结合感兴趣，请查看SANeRF-HQ工作！

更多：HQ-SAM被Osprey、CaR、SpatialRGPT采用，以提供细粒度的掩码标注。

2023/11/06：HQ-SAM被用于标注GLaMM提出的Grounding-anything数据集。

2023/10/15：HQ-SAM在OpenMMLab PlayGround中得到支持，可与Label-Studio一起用于标注。

2023/09/28：HQ-SAM被用于ENIGMA-51中标注自我中心视角的工业数据，并在论文中与SAM进行了比较。

2023/08/16：HQ-SAM被用于segment-geospatial以分割地理空间数据，以及掩码标注工具ISAT！

2023/08/11：支持Python包，便于pip安装。

2023/07/25：轻量级HQ-SAM与Grounded SAM结合，加入EfficientSAM系列！

2023/07/21：HQ-SAM也加入了OpenXLab应用，感谢他们的支持！

:rocket::rocket: 2023/07/17：我们发布了使用TinyViT作为骨干网络的轻量级HQ-SAM，用于快速且高质量的零样本分割，达到了41.2 FPS。更多详情请参考轻量级HQ-SAM与MobileSAM的比较。

:trophy::1st_place_medal: 2023/07/14：Grounded HQ-SAM在野外分割竞赛的零样本赛道中获得第一名:1st_place_medal:（在CVPR 2023工作坊举办），超越了Grounded SAM。更多详情请参考我们的SGinW评估。

2023/07/05：我们发布了SAM调优说明和HQSeg-44K数据。

2023/07/04：HQ-SAM被SAM-PT采用，以提高基于SAM的零样本视频分割性能。此外，HQ-SAM还被用于Grounded-SAM、Inpaint Anything和HQTrack（在VOTS 2023中排名第二）。

2023/06/28：我们发布了ONNX导出脚本和colab笔记本，用于导出和使用ONNX模型。

2023/06/23：在体验HQ-SAM演示，支持点、框和文本提示。

2023/06/14：我们发布了colab演示 <a href="https://colab.research.google.com/drive/1QwAbn5hsdqKOD5niuBzuqQX4eLCbNKFL?usp=sharing"><img src="https://yellow-cdn.veclightyear.com/835a84d5/c4d4d9bb-73a2-437a-8f4f-49a40052254e.svg" alt="在Colab中打开"></a>和自动掩码生成器笔记本。

2023/06/13：我们发布了模型检查点和演示可视化代码。 SAM和HQ-SAM的视觉对比

SAM vs. HQ-SAM

简介

最近提出的Segment Anything Model (SAM)在扩展分割模型方面取得了重大突破，具备强大的零样本能力和灵活的提示功能。尽管SAM经过了11亿个掩码的训练，但在许多情况下，特别是在处理结构复杂的对象时，其掩码预测质量仍有不足。我们提出了HQ-SAM，赋予SAM准确分割任何对象的能力，同时保持SAM原有的可提示设计、效率和零样本泛化能力。我们的精心设计重用并保留了SAM的预训练模型权重，仅引入了少量额外参数和计算。我们设计了一个可学习的高质量输出令牌，将其注入SAM的掩码解码器中，负责预测高质量掩码。我们不仅将其应用于掩码解码器特征，还首先将其与早期和最终的ViT特征融合，以改善掩码细节。为了训练我们引入的可学习参数，我们从多个来源组合了一个包含44K个精细掩码的数据集。HQ-SAM仅在这44K个掩码的引入数据集上进行训练，在8个GPU上只需4小时。我们在9个不同的分割数据集上展示了HQ-SAM在各种下游任务中的有效性，其中7个数据集采用零样本迁移协议进行评估。

SAM和HQ-SAM的定量对比

注：对于基于框提示的评估，我们使用相同的图像/视频边界框输入SAM、MobileSAM和我们的HQ-SAM，并采用SAM的单掩码输出模式。

我们提供了SAM变体的全面性能、模型大小和速度比较： <img width="1096" alt="image" src='https://yellow-cdn.veclightyear.com/835a84d5/8f7820e5-374e-4880-804c-bc9b1ed92b6c.png'>

COCO数据集上的各种ViT骨干网络：

backbones 注：对于COCO数据集，我们使用在COCO数据集上训练的最先进检测器FocalNet-DINO作为我们的框提示生成器。

YTVIS和HQ-YTVIS

注：使用ViT-L骨干网络。我们采用在YouTubeVIS 2019数据集上训练的最先进检测器Mask2Former作为视频框提示生成器，同时重用其对象关联预测。 ytvis

DAVIS

注：使用ViT-L骨干网络。我们采用最先进的模型XMem作为视频框提示生成器，同时重用其对象关联预测。 davis

通过pip快速安装

pip install segment-anything-hq
python
from segment_anything_hq import sam_model_registry
model_type = "<model_type>" #"vit_l/vit_b/vit_h/vit_tiny"
sam_checkpoint = "<path/to/checkpoint>"
sam = sam_model_registry[model_type](checkpoint=sam_checkpoint)

通过运行以下命令查看具体使用示例（如vit-l）：

export PYTHONPATH=$(pwd)
python demo/demo_hqsam_pip_example.py

标准安装

代码要求python>=3.8，以及pytorch>=1.7和torchvision>=0.8。请按照此处的说明安装PyTorch和TorchVision依赖项。强烈建议安装支持CUDA的PyTorch和TorchVision。

在本地克隆仓库并安装：

git clone https://github.com/SysCV/sam-hq.git
cd sam-hq; pip install -e .

以下可选依赖项对于掩码后处理、以COCO格式保存掩码、示例笔记本和以ONNX格式导出模型是必需的。运行示例笔记本还需要jupyter。

pip install opencv-python pycocotools matplotlib onnxruntime onnx timm

示例conda环境设置

conda create --name sam_hq python=3.8 -y
conda activate sam_hq
conda install pytorch==1.10.0 torchvision==0.11.0 cudatoolkit=11.1 -c pytorch -c nvidia
pip install opencv-python pycocotools matplotlib onnxruntime onnx timm

# 在你的工作目录下
git clone https://github.com/SysCV/sam-hq.git
cd sam-hq
pip install -e .
export PYTHONPATH=$(pwd)

模型检查点

提供了三个版本的HQ-SAM模型，具有不同的骨干网络大小。可以通过运行以下代码实例化这些模型：

from segment_anything import sam_model_registry
sam = sam_model_registry["<model_type>"](checkpoint="<path/to/checkpoint>")

下载提供的训练模型并将它们放入pretrained_checkpoint文件夹：

mkdir pretrained_checkpoint

点击下面的链接下载相应模型类型的检查点。我们还在此处或hugging face提供了替代模型下载链接。

vit_b: ViT-B HQ-SAM模型。
vit_l: ViT-L HQ-SAM模型。
vit_h: ViT-H HQ-SAM模型。
vit_tiny (轻量级HQ-SAM，用于实时需求): ViT-Tiny HQ-SAM模型。

入门

首先下载一个模型检查点。然后只需几行代码就可以使用模型从给定的提示中获取掩码：

from segment_anything import SamPredictor, sam_model_registry
sam = sam_model_registry["<model_type>"](checkpoint="<path/to/checkpoint>")
predictor = SamPredictor(sam)
predictor.set_image(<your_image>)
masks, _, _ = predictor.predict(<input_prompts>)

此外，请参阅我们的演示、Colab笔记本和自动掩码生成器笔记本中的使用示例。

要获取HQ-SAM的可视化结果：

python demo/demo_hqsam.py

要获取基线SAM的可视化结果。注意，你需要从基线SAM-L模型下载原始SAM检查点并将其放入pretrained_checkpoint文件夹中。

python demo/demo_sam.py

要获取Light HQ-SAM的可视化结果：

python demo/demo_hqsam_light.py

HQ-SAM调优和HQ-Seg44k数据

我们在HQ-SAM训练中提供了详细的训练、评估、可视化和数据下载说明。你也可以替换我们的训练数据，以在特定应用领域（如医疗、OCR和遥感）获得你自己的SAM。

请将当前文件夹路径更改为：

cd train

然后参考详细的readme说明。

Grounded HQ-SAM与Grounded SAM在SegInW上的比较

Grounded HQ-SAM在SegInW基准测试（包含25个公共零样本野外分割数据集）中获得第一名:1st_place_medal:，并使用相同的grounding-dino检测器优于Grounded SAM。

<table><tbody>   <th valign="bottom">模型名称</th> <th valign="bottom">编码器</th> <th valign="bottom">GroundingDINO</th> <th valign="bottom">平均AP</th> <th valign="bottom">评估脚本</th> <th valign="bottom">日志</th> <th valign="bottom">输出Json</th>   <tr><td align="left">Grounded SAM</td> <td align="center">vit-h</td> <td align="center">swin-b</td> <td align="center">48.7</td> <td align="center"><a href="seginw/test_seginw.sh">脚本</a></td> <td align="center"><a href="seginw/logs/grounded_sam.log">日志</a></td> <td align="center"><a href="https://huggingface.co/sam-hq-team/SegInW/resolve/main/result/grounded_sam.zip">结果</a></td> </tr>  <tr><td align="left">Grounded HQ-SAM</td> <td align="center">vit-h</td> <td align="center">swin-b</td> <td align="center"><b>49.6</b></td> <td align="center"><a href="seginw/test_seginw_hq.sh">脚本</a></td> <td align="center"><a href="seginw/logs/grounded_hqsam.log">日志</a></td> <td align="center"><a href="https://huggingface.co/sam-hq-team/SegInW/resolve/main/result/grounded_hqsam.zip">结果</a></td> </tr> </tbody></table>

请将当前文件夹路径更改为：

cd seginw

我们在Grounded-HQ-SAM评估中提供了SegInW上的详细评估说明和指标。

Light HQ-SAM与MobileSAM在COCO上的比较

我们基于MobileSAM提供的tiny vit图像编码器提出了Light HQ-SAM。我们在下面提供了零样本COCO性能、速度和内存的定量比较。在这里尝试Light HQ-SAM。

<table><tbody>   <th valign="bottom">模型</th> <th valign="bottom">编码器</th> <th valign="bottom">AP</th> <th valign="bottom">AP@L</th> <th valign="bottom">AP@M</th> <th valign="bottom">AP@S</th> <th valign="bottom">模型参数 (MB)</th> <th valign="bottom">FPS</th> <th valign="bottom">内存 (GB)</th>   <tr><td align="left">MobileSAM</td> <td align="center">TinyViT</td> <td align="center">44.3</td> <td align="center">61.8</td> <td align="center">48.1</td> <td align="center">28.8</td> <td align="center">38.6</td> <td align="center">44.8</td> <td align="center">3.7</td> </tr>  <tr><td align="left"><b>Light HQ-SAM</b></td> <td align="center">TinyViT</td> <td align="center"><b>45.0</b></td> <td align="center">62.8</td> <td align="center">48.8</td> <td align="center">29.2</td> <td align="center">40.3</td> <td align="center">41.2</td> <td align="center">3.7</td> </tr> </tbody></table>

注意：对于COCO数据集，我们使用在COCO数据集上训练的相同的SOTA检测器FocalNet-DINO作为我们和Mobile sam的边界框提示生成器。

ONNX导出

HQ-SAM的轻量级掩码解码器可以导出为ONNX格式，以便在支持ONNX运行时的任何环境中运行。使用以下命令导出模型：

python scripts/export_onnx_model.py --checkpoint <path/to/checkpoint> --model-type <model_type> --output <path/to/output>

查看示例笔记本，了解如何将HQ-SAM的backbone进行图像预处理与使用ONNX模型进行掩码预测相结合的详细信息。建议使用最新的稳定版PyTorch进行ONNX导出。

引用

如果你在研究中发现HQ-SAM有用或参考了提供的基线结果，请为这个仓库加星 :star: 并考虑引用 :pencil::

@inproceedings{sam_hq,
    title={Segment Anything in High Quality},
    author={Ke, Lei and Ye, Mingqiao and Danelljan, Martin and Liu, Yifan and Tai, Yu-Wing and Tang, Chi-Keung and Yu, Fisher},
    booktitle={NeurIPS},
    year={2023}
}