🥳 🚀 欢迎来到 OpenMMLab Playground ，这是一个致力于收集和展示基于 OpenMMLab 构建的精彩项目的开源计划。我们的目标是为社区提供一个中心枢纽，让大家分享创新解决方案，探索人工智能技术的边界。

🥳 🚀 OpenMMLab 构建了深度学习时代最具影响力的开源计算机视觉算法体系，为检测、分割、分类、姿态估计、视频理解和 AIGC 等领域提供了高性能、开箱即用的算法。我们相信，借助 OpenMMLab，每个人都能构建激动人心的 AI 赋能应用，并突破可能性的极限。你所需要的只是一点创造力和行动的意愿。

🥳 🚀 立即加入 OpenMMLab Playground ，享受 AI 的力量！

项目列表

	演示	描述
MMDet-SAM		探索结合 SAM（Segment Anything Model）与闭集目标检测、开放词汇目标检测、接地目标检测进行实例分割的新方法。
MMRotate-SAM		结合 SAM 与弱监督水平框检测实现旋转框检测，从此告别繁琐的旋转框标注任务！
Open-Pose-Detection		集成开放目标检测与多种姿态估计算法，实现“万物姿态估计”——能够估计任何事物的姿态！
Open-Tracking		结合开放目标检测与多目标跟踪（MOT），在视频中跟踪和分割开放类别。
MMOCR-SAM		文本检测/识别 + SAM 的解决方案，可分割每个文本字符，并提供了由扩散模型和 Gradio 驱动的炫酷文本擦除与文本修复演示！
MMEditing-SAM		结合 SAM 与图像生成，创造惊艳图像并编辑其任意部分。
Label-Studio-SAM		结合 Label-Studio 与 SAM 实现半自动化标注。

项目展示

✨ MMDet-SAM

我们提供了一套基于 MMDet 和 SAM 的应用。功能包括：

1. 支持 MMDet 中包含的所有检测模型（闭集），例如 Faster R-CNN 和 DINO，通过使用 SAM 进行自动检测和实例分割标注。
2. 支持开放词汇检测模型，例如 Detic，通过使用 SAM 进行自动检测和实例分割标注。
3. 支持接地目标检测模型，例如 Grounding DINO 和 GLIP，通过使用 SAM 进行自动检测和实例分割标注。
4. 所有模型都支持分布式检测和分割评估，以及自动导出 COCO JSON 格式，方便用户评估自定义数据。

更多信息请参阅 README。

✨ MMRotate-SAM

我们提供了一套基于 MMRotate 和 SAM 的应用。功能包括：

1. 支持基于 SAM 的零样本旋转目标检测。
2. 在单张图像上执行基于 SAM 的零样本旋转目标检测推理。

更多信息请参阅 README。

✨ Open-Pose-Detection

我们提供了一套基于 MMPose 和开放检测的应用。功能包括：

1. 支持对单张图像或图像文件夹进行开放检测和姿态估计模型推理。
2. 即将支持输入不同的文本提示，实现对图像中不同物体类别的姿态检测。

更多信息请参阅 README。

✨ Open-Tracking

我们提供了一种基于开放目标检测并利用运动信息（卡尔曼滤波器）进行多目标跟踪的方法。

更多信息请参阅 README。

✨ MMOCR-SAM

该项目迁移自 OCR-SAM，结合了 MMOCR 与 Segment Anything。我们提供了一套基于 MMOCR 和 SAM 的应用。功能包括：

1. 支持端到端文本检测与识别，并能够分割每个文本字符。
2. 由扩散模型和 Gradio 驱动的炫酷文本擦除与文本修复 WebUI 演示。

更多信息请参阅 README。

✨ MMEditing-SAM

我们提供了一套基于 MMEditing 和 SAM 的应用。功能包括：

1. 使用 MMEditing 接口生成图像。
2. 将 SAM 生成的掩码与 MMEditing 的图像编辑能力相结合，创造新图片。

更多信息请参阅 README。

✨ Label-Studio-SAM

该解决方案提供了 SAM 与 Label Studio 的集成。具体功能包括：

1. 点选标注：支持在 Label-Studio 中触发 SAM，通过在物体区域内点击一个点来生成物体掩码和轴对齐的边界框标注。
2. 框选标注：支持在 Label-Studio 中触发 SAM，通过标注物体的边界框来生成物体掩码和轴对齐的边界框标注。
3. 细化：支持在 Label-Studio 中对 SAM 生成的标注进行细化。

详情见 README。