Segment Anything 2 모델

바운딩 박스를 다각형으로 변환하거나, 전체 이미지에 SAM2를 실행해 마스크를 생성합니다.

제로샷 인스턴스 분할 모델인 Segment Anything 2를 이미지에 실행합니다.

** 전용 추론 서버 필요 (GPU 권장) **

다른 모델의 박스/예측 결과를 Segment Anything 2에 프롬프트로 전달해 사용할 수 있습니다. 다른 모델의 박스 탐지 결과를 전달하면, 박스의 클래스 이름이 예측된 마스크로 전달됩니다. 모델에 프롬프트 없이 사용할 경우, 모델이 정수를 클래스 이름 / ID로 할당합니다.

유형 식별자

step에서 다음 식별자를 사용하세요 "type" 필드: roboflow_core/segment_anything@v1 를 워크플로에 단계로 추가합니다.

속성

이름	유형	설명	참조
name	str	이 단계에 고유 식별자를 입력하세요..	❌
버전	str	사용할 모델입니다. hiera_large, hiera_small, hiera_tiny, hiera_b_plus 중 하나.	✅
임계값	실수	예측된 마스크 점수의 임계값.	✅
멀티마스크 출력	bool	sam2 내부 멀티마스크 모드 또는 단일 마스크 모드를 사용할지 결정하는 플래그입니다. 모호한 프롬프트의 경우 True로 설정하는 것이 권장됩니다..	✅

해당 참조 열은 워크플로 런타임에서 사용할 수 있는 동적 값으로 속성을 매개변수화할 수 있음을 나타냅니다. 자세한 내용은 워크플로 런타임. 자세한 내용은 바인딩 를 참조하세요.

런타임 호환성

하드 - 런타임 self_hosted_cpu; 실행 로컬 : GPU가 필요합니다. run_locally()는 CUDA가 필요한 모델을 로드합니다.

입력 및 출력 바인딩

사용 가능한 연결은 바인딩 종류에 따라 달라집니다. 어떤 바인딩 종류가 있는지 확인하세요 Segment Anything 2 모델 버전 v1 가 있습니다.

입력 및 출력 바인딩

• 입력

  • 이미지들 (image): 추론을 수행할 이미지입니다..

  • 박스 (Union[instance_segmentation_prediction, keypoint_detection_prediction, object_detection_prediction]): 다각형으로 변환할 바운딩 박스(다른 모델에서 가져온 것).

  • 버전 (문자열): 사용할 모델입니다. hiera_large, hiera_small, hiera_tiny, hiera_b_plus 중 하나.

  • 임계값 (실수): 예측된 마스크 점수의 임계값.

  • 멀티마스크 출력 (boolean): sam2 내부 멀티마스크 모드 또는 단일 마스크 모드를 사용할지 결정하는 플래그입니다. 모호한 프롬프트의 경우 True로 설정하는 것이 권장됩니다..

• 출력

  • predictions (instance_segmentation_prediction): 탐지된 바운딩 박스와 sv.Detections(...) 객체 형식의 분할 마스크가 포함된 예측입니다.

예시 JSON 정의

{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/segment_anything@v1",
	    "images": "$inputs.image",
	    "boxes": "$steps.object_detection_model.predictions",
	    "version": "hiera_large",
	    "threshold": 0.3,
	    "multimask_output": true
	}