使用 CLIPSeg 进行零样本图像分割

Hugging Face 发布指南，介绍如何通过 transformers 使用零样本图像分割模型 CLIPSeg。该模型基于冻结的 CLIP 加 Transformer 解码器，在 PhraseCut 数据集（超 34 万条短语）上训练，支持文本或图像作为提示词，输出 352 x 352 像素的粗略分割掩码，可用于机器人感知、图像修复等任务，并可在 Segments.ai 上进一步精修。