本文へスキップ

Segment Anything Model 2

画像と動画に対応する視覚分割の基盤モデル

公式サイトを見る

segment-anything-model-2 とは

本モデルは Meta の研究部門 FAIR が公開した画像と動画向けの視覚分割の基盤モデルと説明されている。シンプルなトランスフォーマー構成とストリーミングメモリで動画のリアルタイム処理を実現する。

できること

  • 静止画像と動画を視覚分割する
  • 画像上にマスクを自動生成する
  • 動画予測でプロンプトを追加しマスクを伝播する
  • モデルをコンパイルして高速化する

始め方

  • リポジトリをローカルにクローンする
  • 依存関係を導入し環境を整える
  • 学習済みチェックポイントをダウンロードして読み込む
  • API 経由で分割予測を実行する

長所と短所

✓ 良い点

  • 静止画像と動画の両方に対応
  • 動画内の複数物体の分割と追跡に対応

! 注意したい点

  • 導入にはリポジトリ、依存関係、チェックポイントが必要
  • 予測は用意された API 経由で行う

よくある質問

何を分割できる?

カードでは静止画像と動画の両方に対応すると説明されている。

始め方は?

リポジトリをクローンし依存関係を入れ、チェックポイントを読み込んで API を呼ぶ。

最終評価日: 2026-11-15

その他 LLM APIプラットフォーム ツール

すべて見る →

評価方法