当前位置: 首页 > news >正文

基于Segment Anything 模型的智能抠图开发的产品原型,基于官网案例升级改造

最近在研究图像处理的过程中,接触到了Mate开源的 Segment Anything模型,花点时间研究了一番,之前也写了一篇部署模型的教程,感兴趣的同学可以查看一下之前的文章
基于丹摩DAMODEL部署Segment Anything 模型,智能分割一切图片

Segment Anything模型 人工智能计算机视觉研究
分割任何物体模型 (SAM):Meta AI 推出的一种新型 AI 模型,只需单击即可“剪切”任何图像中的任何物体
SAM 是一种可提示的分割系统,具有对不熟悉的物体和图像的零样本泛化能力,无需额外的训练。

模型 代码仓库 https://github.com/facebookresearch/segment-anything

官方案例demo地址 https://segment-anything.com/demo

Segment Anything官网demo案例源码

在学习部署和使用后,我又对Segment Anything的官网产生了兴趣,于是利用几个业余时间复原了一个他们的官方demo,并增加两个额外的按钮,抠图按钮和下载按钮

目前项目已经部署起来
访问地址 http://img.svgdesign.cn

由于资金有限,服务器带宽并不高,可以耐心等待资源加载。
在这里插入图片描述

点击cut out按钮,可以在不切换视图下可以继续抠图,极大地优化了用户体验。
点击download按钮 也可以将所有切图一键下载到本地。

所有源码 都有
在这里插入图片描述

有兴趣商务合作的可以私聊。
有不少图像处理产品可以使用Segment Anything 模型开发处理,比如醒图,还有一些智能抠图的网站,如https://www.diction-sd.com 中的智能抠图。


http://www.mrgr.cn/news/49718.html

相关文章:

  • 基于Matlab使用蚁群算法寻找最优路径
  • java servlet tomcat springboot 版本对照表
  • Cisco ACI常见问题FAQ科普
  • MySQL 中的外键检查设置:SET FOREIGN_KEY_CHECKS = 1
  • Microsoft PowerPoint 功能快捷键大全
  • 免费送源码:Java+Springboot+MySQL 水环境检测系统的设计与实现 计算机毕业设计原创定制
  • 【Linux进程间通信】Linux信号机制深度解析:保存与处理技巧
  • 高级java每日一道面试题-2024年10月14日-消息中间件篇-如何确保消息中间件的消息不丢失?
  • Mysql高级篇(下)——数据库设计范式
  • java ---- 关于接口的常见面试题
  • SpringBoot项目错误日志打印不容易注意到的坑
  • SAP学习笔记 - 豆知识12 - 自动批量更新会计期间
  • 音乐创作助力!免费音乐素材网站精选
  • 通过API进行Milvus实例配置
  • Python OpenCV精讲系列 - 目标检测与识别深入理解(二十)
  • rv1109/rv1126 编译错误记录
  • C++学习笔记----9、发现继承的技巧(一)---- 使用继承构建类(2)
  • Elasticsearch高级搜索技术-结构化数据搜索
  • 超GPT3.5性能,无限长文本,超强RAG三件套,MiniCPM3-4B模型分享
  • Dart的List和Map类型