tokenize-anything

收录理由

做交互式图像工具时，常常要在一个模型里同时完成区域分割、识别和描述，Tokenize Anything 用一次前向就能把这几件事都做了。你给它一个点、一个框或者手绘草图，它就能把对应区域切出来，认出里面是什么，再生成一句文字说明，省去了把分割模型和单独的描述模型串起来的麻烦。代码结构很清晰，预测器和模型主体是解耦的，还带一个注册表，你可以把自己的推理逻辑挂进去，不用去改一大坨脚本。官方提供了 ViT-B/L/H 三种规模的预训练权重，还有概念词向量文件，想快一点还是准一点，按任务需求换编码器就行。整体是研究向的代码，配了推理和评估的 notebook，拿它处理自己的数据时需要做些适配，别指望开箱即用。