设置
  • 日夜间
    随系统
    浅色
    深色
  • 主题色

Meta「分割一切」超进化版来了,IDEA 领衔国内顶尖团队打造:检测、分割、生成一切,狂揽 2k 星

新智元 2023/4/10 20:36:08 责编:梦泽

Meta 的 SAM「分割一切」模型刚发布,国内团队就进行了二创,打造了一个最强的零样本视觉应用 Grounded-SAM,不仅能分割一切,还能检测一切,生成一切。

Meta 的「分割一切」模型横空出世后,已经让圈内人惊呼 CV 不存在了。

就在 SAM 发布后一天,国内团队在此基础上搞出了一个进化版本「Grounded-SAM」。

注:项目的 logo 是团队用 Midjourney 花了一个小时做的

Grounded-SAM 把 SAM 和 BLIP、Stable Diffusion 集成在一起,将图片「分割」、「检测」和「生成」三种能力合一,成为最强 Zero-Shot 视觉应用。

网友纷纷表示,太卷了!

谷歌大脑的研究科学家、滑铁卢大学计算机科学助理教授 Wenhu Chen 表示「这也太快了」。

AI 大佬沈向洋也向大家推荐了这一最新项目:

Grounded-Segment-Anything:自动检测、分割和生成任何有图像和文本输入的东西。边缘分割可以进一步改进。

截至目前,这个项目在 GitHub 上已经狂揽 2k 星。

检测一切,分割一切,生成一切

上周,SAM 的发布让 CV 迎来了 GPT-3 时刻。甚至,Meta AI 声称这是史上首个图像分割基础模型。

该模型可以在统一的框架 prompt encoder 内,指定一个点、一个边界框、一句话,直接一键分割出任何物体。

SAM 具有广泛的通用性,即具有了零样本迁移的能力,足以涵盖各种用例,不需要额外训练,就可以开箱即用地用于新的图像领域,无论是水下照片,还是细胞显微镜。

由此可见,SAM 可以说是强到发指。

而现在,国内研究者基于这个模型想到了新的点子,将强大的零样本目标检测器 Grounding DINO 与之结合,便能通过文本输入,检测和分割一切。

借助 Grounding DINO 强大的零样本检测能力,Grounded SAM 可以通过文本描述就可以找到图片中的任意物体,然后通过 SAM 强大的分割能力,细粒度的分割出 mas。

最后,还可以利用 Stable Diffusion 对分割出来的区域做可控的文图生成。

再 Grounded-SAM 具体实践中,研究者将 Segment-Anything 与 3 个强大的零样本模型相结合,构建了一个自动标注系统的流程,并展示出非常非常令人印象深刻的结果!

这一项目结合了以下模型:

・BLIP:强大的图像标注模型

・Grounding DINO:最先进的零样本检测器

・Segment-Anything:强大的零样本分割模型

・Stable-Diffusion:出色的生成模型

所有的模型既可以组合使用,也可以独立使用。组建出强大的视觉工作流模型。整个工作流拥有了检测一切,分割一切,生成一切的能力。

该系统的功能包括:

BLIP+Grounded-SAM = 自动标注器

使用 BLIP 模型生成标题,提取标签,并使用 Ground-SAM 生成框和掩码:

・半自动标注系统:检测输入的文本,并提供精确的框标注和掩码标注。

・全自动标注系统:

首先使用 BLIP 模型为输入图像生成可靠的标注,然后让 Grounding DINO 检测标注中的实体,接着使用 SAM 在其框提示上进行实例分割。

Stable Diffusion+Grounded-SAM = 数据工厂

・用作数据工厂生成新数据可以使用扩散修复模型根据掩码生成新数据。

Segment Anything+HumanEditing

在这个分支中,作者使用 Segment Anything 来编辑人的头发 / 面部。

・SAM + 头发编辑

・SAM + 时尚编辑

作者对于 Grounded-SAM 模型提出了一些未来可能的研究方向:

自动生成图像以构建新的数据集;分割预训练的更强大的基础模型;与 (Chat-) GPT 模型的合作;一个完整的管道,用于自动标注图像(包括边界框和掩码),并生成新图像。

作者介绍

Grounded-SAM 项目其中的一位研究者是清华大学计算机系的三年级博士生刘世隆。

他近日在 GitHub 上介绍了自己和团队一起做出的最新项目,并称目前还在完善中。

现在,刘世隆是粤港澳大湾区数字经济研究院(IDEA 研究院),计算机视觉与机器人研究中心的实习生,由张磊教授指导,主要研究方向为目标检测,多模态学习。

在此之前,他于 2020 年获得了清华大学工业工程系的学士学位,并于 2019 年在旷视实习过一段时间。

个人主页:http://www.lsl.zone/

顺便提一句,刘世隆也是今年 3 月份发布的目标检测模型 Grounding DINO 的一作。

此外,他的 4 篇论文中了 CVPR 2023,2 篇论文被 ICLR 2023 接收,1 篇论文被 AAAI 2023 接收。

论文地址:https://arxiv.org/ pdf / 2303.05499.pdf

而刘世隆提到的那位大佬 —— 任天和,目前在 IDEA 研究院担任计算机视觉算法工程师,也由张磊教授指导,主要研究方向为目标检测和多模态。

此外,项目的合作者还有,中国科学院大学博士三年级学生黎昆昌,主要研究方向为视频理解和多模态学习;IDEA 研究院计算机视觉与机器人研究中心实习生曹赫,主要研究方向为生成模型;以及阿里云高级算法工程师陈佳禹。

任天和、刘世隆 

安装运行

项目需要安装 python 3.8 及以上版本,pytorch 1.7 及以上版本和 torchvision 0.8 及以上版本。此外,作者强烈建议安装支持 CUDA 的 PyTorch 和 TorchVision。

安装 Segment Anything:

python -m pip install -e segment_anything

安装 GroundingDINO:

python -m pip install -e GroundingDINO
 

安装 diffusers:

pip install --upgrade diffusers[torch]

安装掩码后处理、以 COCO 格式保存掩码、example notebook 和以 ONNX 格式导出模型所需的可选依赖。同时,项目还需要 jupyter 来运行 example notebook。

pip install opencv-python pycocotools matplotlib onnxruntime onnx ipykernel

Grounding DINO 演示

下载 groundingdino 检查点:

cd Grounded-Segment-Anything
wget https://github.com/IDEA-Research/GroundingDINO/releases/download/v0.1.0-alpha/groundingdino_swint_ogc.pth

运行 demo:

export CUDA_VISIBLE_DEVICES=0
python grounding_dino_demo.py \  
  --config GroundingDINO/groundingdino/config/GroundingDINO_SwinT_OGC.py \  
  --grounded_checkpoint groundingdino_swint_ogc.pth \  
  --input_image assets/demo1.jpg \  
  --output_dir "outputs" \  
  --box_threshold 0.3 \  
  --text_threshold 0.25 \  
  --text_prompt "bear" \  
  --device "cuda"

模型预测可视化将保存在 output_dir 中,如下所示:

Grounded-Segment-Anything+BLIP 演示

自动生成伪标签很简单:

1. 使用 BLIP(或其他标注模型)来生成一个标注。

2. 从标注中提取标签,并使用 ChatGPT 来处理潜在的复杂句子。

3. 使用 Grounded-Segment-Anything 来生成框和掩码。

export CUDA_VISIBLE_DEVICES=0
python automatic_label_demo.py \
  --config GroundingDINO/groundingdino/config/GroundingDINO_SwinT_OGC.py \
  --grounded_checkpoint groundingdino_swint_ogc.pth \
  --sam_checkpoint sam_vit_h_4b8939.pth \  
  --input_image assets/demo3.jpg \  
  --output_dir "outputs" \  
  --openai_key your_openai_key \  
  --box_threshold 0.25 \  
  --text_threshold 0.2 \  
  --iou_threshold 0.5 \  
  --device "cuda"

伪标签和模型预测可视化将保存在 output_dir 中,如下所示:

Grounded-Segment-Anything+Inpainting 演示

CUDA_VISIBLE_DEVICES=0
python grounded_sam_inpainting_demo.py \
  --config GroundingDINO/groundingdino/config/GroundingDINO_SwinT_OGC.py \  
  --grounded_checkpoint groundingdino_swint_ogc.pth \  
  --sam_checkpoint sam_vit_h_4b8939.pth \  
  --input_image assets/inpaint_demo.jpg \  
  --output_dir "outputs" \  
  --box_threshold 0.3 \  
  --text_threshold 0.25 \  
  --det_prompt "bench" \  
  --inpaint_prompt "A sofa, high quality, detailed" \  
  --device "cuda"

Grounded-Segment-Anything+Inpainting Gradio App

python gradio_.py

作者在此提供了可视化网页,可以更方便的尝试各种例子。

网友评论

对于这个项目 logo,还有个深层的含义:

一只坐在地上的马赛克风格的熊。坐在地面上是因为 ground 有地面的含义,然后分割后的图片可以认为是一种马赛克风格,而且马赛克谐音 mask,之所以用熊作为 logo 主体,是因为作者主要示例的图片是熊。

看到 Grounded-SAM 后,网友表示,知道要来,但没想到来的这么快。

项目作者任天和称,「我们用的 Zero-Shot 检测器是目前来说最好的。」

未来,还会有 web demo 上线。

最后,作者表示,这个项目未来还可以基于生成模型做更多的拓展应用,例如多领域精细化编辑、高质量可信的数据工厂的构建等等。欢迎各个领域的人多多参与。

参考资料:

  • https://github.com/IDEA-Research/Grounded-Segment-Anything

  • https://www.reddit.com/r/MachineLearning/comments/12gnnfs/r_groundedsegmentanything_automatically_detect/

  • https://zhuanlan.zhihu.com/p/620271321

本文来自微信公众号:新智元 (ID:AI_era)

广告声明:文内含有的对外跳转链接(包括不限于超链接、二维码、口令等形式),用于传递更多信息,节省甄选时间,结果仅供参考,IT之家所有文章均包含本声明。

相关文章

关键词:模型Meta

软媒旗下网站: IT之家 辣品 - 超值导购,优惠券 最会买 - 返利返现优惠券 iPhone之家 Win7之家 Win10之家 Win11之家

软媒旗下软件: 魔方 云日历 酷点桌面 Win7优化大师 Win10优化大师 软媒手机APP应用