tianrun-chen/SAM-Adapter-PyTorch

Adapting Meta AI's Segment Anything to Downstream Tasks with Adapters and Prompts

What it solves

SAM-Adapter 解决了在挑战性的“性能下降场景”中使用 Segment Anything Model (SAM) 时出现的性能下降问题，例如伪装目标检测、阴影检测和医学图像分割（如息肉分割）。

How it works

它通过引入适配器机制，将预训练的 SAM 主干（支持 SAM、SAM2 和 SAM3）适配到下游任务。这使得模型在保持 SAM 通用分割能力的同时，能够在原模型可能失效的特定困难视觉环境中实现专门化。

Who it’s for

面向从事低对比度、伪装或医学影像等专门图像分割任务的计算机视觉研究者和开发者。

Highlights

  • 支持 SAM、SAM2 和 SAM3 主干。
  • 在伪装目标检测（COD10K、CAMO、CHAMELEON）和阴影检测（ISTD）上已验证有效性。
  • 可用于医学影像任务，如息肉分割（Kvasir 数据集）。
  • 提供不同 ViT 版本（ViT-H、ViT-L、ViT-B）的配置文件，以适配不同的 GPU 内存限制。