Segment Anything (SAM).

Kaynak görüntüyü koruyarak nesneyi ayırma

Bir kişinin arkasındaki fonu değiştirmek veya yalnızca bir nesneye efekt uygulamak için önce o nesnenin maskesi gerekir. Meta’nın Segment Anything modeli bu kısmı yapar: belirtilen nesneleri bulur ve onlara ait pikselleri işaretler. Ardından maskeyi kendi düzenleyicinizde veya uygulamanızda kullanabilirsiniz.

Güncel belgelerde SAM 3.1 anlatılıyor. Model görsellerle ve videolarla çalışır; nesneyi adlandıran kısa bir metnin yanı sıra kutu ve nokta ipuçlarını da kabul eder. Metin, eşleşen tüm nesneleri bulmaya; görsel bir işaret ise belirli bir nesneyi seçmeye yardımcı olur. Ailenin eski sürümlerindeki özellikler farklı olabilir.

Çıktıda ne elde edilir

Model, maskeler ve sınırlayıcı kutular döndürür. Maske nesnenin alanını belirler; kutu ise onu çevreleyen dikdörtgen sınırı gösterir. API yanıtındaki bu segmentasyon verilerini uygulamanın işlemesi ve göstermesi gerekir. SAM, hazır bir kurgu veya açıklamadan yeni bir görsel oluşturmaz.

Videoda nesne kimliği, nesne kadrajda kaldığı sürece aynı nesnenin farklı karelerdeki maskelerini ilişkilendirmeye yardımcı olur. Nesne tamamen örtüldüğünde, kadraja girdiğinde veya kadrajdan çıktığında ve çok uzun videolarda kimliğin sabit kalacağına güvenilemez. Araç karşılaştırmasındaki «Maske» çıktısı, kareler bazında da yapılabilen piksel işaretlemesini ifade eder; hazır bir video dosyası vaat etmez.

İki kırmızı kupalı örnek

Alıştırma için iki kırmızı kupa ile mavi bir şişenin göründüğü kendi fotoğrafınızı kullanabilirsiniz. Kısa red mug komutu, aranan nesne türünü belirtir. Alıştırmanın hedefi, şişeyi dahil etmeden iki kupa için ayrı maskeler elde etmektir. Bu, yaptığımız bir test değil, görevin nasıl tanımlanabileceğine dair bir örnektir.

Yalnızca dış hatları değil, kulpların içindeki boşlukları da kontrol edin. Yanlış nesne seçildiyse kutu veya noktayla seçimi netleştirin. Karmaşık bir arka planda seçilen alanı büyüterek orijinalle karşılaştırmak yararlıdır.

Demo, API veya kendi ortamınız

Segment Anything’in resmi bağlantısı Meta AI Demos platformuna gider. Mevcut demoları, oturum açma gerekliliğini ve kendi dosyalarınızı yükleme koşullarını doğrudan bu platformda kontrol edin.

Meta, entegrasyon için SAM 3.1 modelini Meta Model API üzerinden sunuyor. Belgeleri, bir görseli veya video klibini ipucuyla birlikte göndermeyi ve sonucu okumayı açıklıyor. Tek bir metin isteği bir nesne türünü belirtir; birden fazla tür için ayrı istekler gerekir.

Meta, kendi ortamınızda barındırmanız için kodu, örnekleri ve ağırlık bağlantılarını yayımlıyor. Doğrulanmış kontrol noktalarını edinmek için Hugging Face üzerinde erişim talebi ve kimlik doğrulama gerekiyor. GPU içeren uyumlu bir hesaplama ortamına ihtiyacınız var; gereksinimleri seçtiğiniz sürüme göre kontrol edin.

Neler için ödeme gerekir

Doğrulanmış ağırlıklar, koşullarına uyulduğunda lisans ücreti ödemeden kullanıma izin veren SAM License kapsamında dağıtılır. Bu ayrı bir erişim seçeneğidir: donanım, çalıştırma ve bakım kaynak gerektirir. Seçtiğiniz ağırlıkların kullanım ve dağıtım kurallarını okuyun.

Resmi bulut API’si güncel koşullarına göre ücretlendirilir. Model sayfasında görseller ve video kareleri ayrı hesaplanır. Burada kesin fiyat vermiyoruz: çalışma dosyalarını yüklemeden önce tarifeyi, hesap erişimini ve hizmetin sınırlarını kontrol edin.

Sonuç nasıl kontrol edilir

Görselde sınırları, küçük ayrıntıları ve yakındaki benzer nesneleri inceleyin. Videoda ayrıca nesnenin kadraja girişini, örtülmeleri ve hızlı hareketleri kontrol edin. Maske hedef alanın bir bölümünü kaybediyorsa kurgu veya ölçümden önce sonucun düzeltilmesi gerekir.

API belgelerine göre eşleşme bulunmaması geçerli bir sonuçtur: akış, hiçbir nesne bulunmadan sona erebilir. Boş bir yanıt tek başına bağlantı hatası olduğunu göstermez. Önce aranan nesnenin kaynakta ayırt edilebildiğinden ve komutta açıkça adlandırıldığından emin olun.

Hangi görevler uygun

• Sonraki düzenlemeler için nesne maskeleri hazırlama
• Seçilen nesneyi video kareleri arasında takip etme
• Kendi uygulamanız için görselleri etiketleme