Awesome GitHub RepositoriesText-Prompted Masking

Grounded-Segment-Anything is a suite of specialized tools for multimodal visual analysis, text-based segmentation, and generative image editing. It integrates text-to-bounding-box detection and high-precision image segmentation masks to function as a text-based image segmenter and an automated visual labeling tool. The project enables text-driven image editing by identifying objects through natural language to perform inpainting and element replacement. It further extends visual analysis into three dimensions, allowing for 3D human reconstruction and the generation of 3D bounding boxes from t

MobileSAM is a lightweight image segmenter and promptable vision model designed for fast object isolation on resource-constrained hardware. It functions as an automatic image masking tool capable of detecting and isolating distinct objects across an entire image without manual input. The system enables prompt-based object masking using coordinate points or bounding boxes to generate precise masks. It also supports all-object image segmentation through object-aware prompt sampling to identify every distinct object in a scene. To facilitate mobile and edge deployment, the model is compatible w

यह प्रोजेक्ट एक मल्टी-मॉडल इमेज सेगमेंटेशन फ्रेमवर्क और एक टेक्स्ट-टू-मास्क विज़न मॉडल है। यह एक SAM-आधारित विज़ुअल सेगमेंटेटर के रूप में कार्य करता है जिसे नेचुरल लैंग्वेज प्रॉम्प्ट्स और अन्य इनपुट्स को पिक्सेल-स्तरीय सिमेंटिक मास्क में बदलकर इमेज और वीडियो के भीतर अलग-अलग ऑब्जेक्ट्स को अलग करने के लिए डिज़ाइन किया गया है। यह सिस्टम एक मल्टी-मॉडल इमेज सेगमेंटेशन फ्रेमवर्क के रूप में कार्य करता है जो मास्क उत्पन्न करने के लिए टेक्स्ट, इमेज और ऑडियो सिग्नल्स को एकीकृत करता है। इसमें एक इंटरैक्टिव वीडियो ऑब्जेक्ट ट्रैकर शामिल है जो रेफरिंग इमेजेस या टेक्स्टुअल क्वेरीज़ का उपयोग करके वीडियो फ्रेम्स में विज़ुअल एंटिटीज को अलग और ट्रैक करता है। यह फ्रेमवर्क सिमेंटिक इमेज लेबलिंग की क्षमताएं प्रदान करता है, जो पूर्व-परिभाषित शब्दावली के माध्यम से मास्क को श्रेणी के नाम असाइन करता है। यह सेशन हिस्ट्री मेमोरी के माध्यम से इंटरैक्टिव इमेज एडिटिंग का भी समर्थन करता है और संदर्भ इमेज क्षेत्रों के आधार पर ऑब्जेक्ट्स को निकालने के लिए फीचर मैचिंग को संदर्भित करता है।

ISAT with Segment Anything is a desktop application designed for computer vision data labeling and interactive image segmentation. It provides a semi-automatic annotation suite that accelerates the creation of object masks, polygons, and metadata for training datasets. The application translates user actions into spatial constraints through interactive visual prompting with clicked points and bounding boxes, as well as text-based prompts. It operates via a model-agnostic inference pipeline that interchanges multiple vision and language backbone networks through a unified adapter layer. A desk

Describe Anything is a multimodal vision-language framework designed for localized visual analysis and automated dataset annotation. It utilizes a vision-language model to generate detailed, context-aware text descriptions for specific regions within images and videos, triggered by user-defined inputs such as points, boxes, or masks. The system distinguishes itself through its ability to maintain object context across video frames via temporal mask propagation and its support for regional question answering without requiring additional model fine-tuning. It provides an OpenAI-compatible API t