Ultralytics (@ultralytics)
Ultralytics의 YOLOE-26을 활용한 오픈어휘(open-vocabulary) 세그멘테이션 튜토리얼 공개. 프롬프트 없이 또는 텍스트 프롬프트로 세그멘테이션을 실행할 수 있으며, 재학습 없이 동적으로 객체를 탐지하는 워크플로를 소개하는 비디오 링크를 포함한 안내입니다.
#segmentation
Ultralytics (@ultralytics)
Ultralytics의 YOLOE-26을 이용해 텍스트 또는 시각적 프롬프트로 재학습 없이 동적 객체 분할(promptable segmentation)을 수행할 수 있게 되었습니다. 이는 오픈 보캐뷸러리 비전 작업과 대화형 데이터 라벨링에 적합합니다.
https://x.com/ultralytics/status/2029244274638770277
#ultralytics #yoloe26 #segmentation #computervision #openvocabulary
Ultralytics (@ultralytics)
Ultralytics의 YOLO26 세그멘테이션 기능을 통해 조직 유형을 픽셀 단위로 분리할 수 있다고 소개합니다. 상처(괴사, 과립조직) 평가와 의료 연구 워크플로우에서 활용 가능한 분할(segmentation) 지원을 강조하며 상세 링크를 안내합니다.
Ultralytics (@ultralytics)
Ultralytics의 YOLO26을 이용한 실시간 의료기기(장비) 세그멘테이션 적용 사례를 소개하는 트윗으로, 단순 감지(detection)를 넘어 픽셀 단위로 의료 도구의 윤곽을 분할할 수 있음을 강조합니다. 임상 환경에서의 실시간 세그멘테이션 활용을 알립니다.
The ZOO Model is a collection of pre-trained deep learning models in ONNX format for the Qgis Deepness plugin to perform automatic object segmentation in orthophotos and satellite imagery #segmentation
https://qgis-plugin-deepness.readthedocs.io/en/latest/main/main_model_zoo.html
New video: review of the AI Segmentation by #TerraLab plugin that allows smooth image segmentation in QGIS based on Meta's Segment Anything Model.
Watch it on:
📺YouTube: youtu.be/oKxh8ldYflM
📺QwastTube: videos.qwast-gis.com/w/d8RMLJzcm1...
#QGIS #GeoAI #segmentation #SAM #OpenSource #GIS
Review of the AI Segmentation ...
Review of the AI Segmentation by TerraLab plugin for QGIS
Nano Banana Pro. Реальное применение, а не мемные картинки
Когда данных мало, а домен сильно отличается, предобученные модели перестают работать. Я попробовал вместо сбора и ручной разметки генерировать дорожные дефекты поверх реальных кадров. Что получилось, где работает, где нет и сколько это стоит - в статье.
https://habr.com/ru/articles/993968/
#ai #nano_banana_pro #synthetic_data #computer_vision #segmentation
Ultralytics (@ultralytics)
Meta의 SAM 3 모델을 Ultralytics와 함께 사용하여 고품질 세그멘테이션을 실행할 수 있다는 안내입니다. 프롬프트 기반 세그멘테이션과 자동 마스크 생성을 통해 이미지와 비디오 전반의 다양한 실제 장면에서 정밀한 객체 마스크를 제공한다고 홍보합니다.
Review of the QGIS GeoAI plugin
Euer #Heimnetz sieht ähnlich aus, oder? Oder?! 😵💫
#homelab #VLAN #segmentation #801.2q
AA (@measure_plan)
배구 관련 머신러닝 모델을 애니메이션 스타일과 비교하는 실험을 공유하면서 동일한 워크플로를 Roboflow Rapid와 SAM3로 구현했다고 밝힘. 컴퓨터비전·세분화 도구를 활용한 실제 워크플로 예시로, 세부 내용은 인용 트윗(QT)에 제공된다고 안내함.
Ultralytics (@ultralytics)
MobileSAM과 검출 모델을 결합해 분할(segmentation) 데이터셋을 자동 주석(automatic annotation)하는 워크플로를 소개. 검출 모델로 객체를 찾고 MobileSAM으로 고품질 분할 마스크를 자동 생성해 데이터셋 제작을 가속화하고 수작업 라벨링 부담을 크게 줄일 수 있다고 설명함.
https://x.com/ultralytics/status/2013300450674475495
#mobilesam #segmentation #dataset #annotation #computervision
Избавляемся от ошибок Segmentation fault из-за переполнения стека в С++
Развивая идею доверенного языка программирования я пришел к выводу, что за счет ограничений синтаксиса и создания соответствующих проверок в статическом анализаторе кода, можно защититься практически ото всех технических ошибок, кроме двух - контроль динамически выделяемой памяти и переполнения стека. Причем, если для подсчета ссылок в рантайме, решения существуют, то контроль переполнения стека невозможно сделать не только во время анализа исходного текста программы, но это практически невозможно и во время выполнения приложения! Ведь ошибка переполнение стека (stack overflow) - это всегда фатально, так как не существует способа поймать и обработать эту ошибку изнутри выполняемой программы, чтобы потом продолжить её выполнение как ни в чем не бывало. Существует ли хотя бы теоретическая возможность защититься от ошибок переполнения стека и сделать из нее обычную ошибку (исключение), которую можно поймать (обработать) в самом приложении, чтобы была возможность продолжить выполнение программы без боязни последующей ошибки сегментации (segmentation fault) или повреждения стека (stack smashing)?
https://habr.com/ru/articles/983394/
#переполнение_стека #segmentation #segmentation_fault #stack_overflow #ошибки #исключения_в_c++ #обработка_ошибок #надежное_программирование #сезон_ии_в_разработке
Meta Releases SAM 3 for Enhanced Segmentation
Meta SAM 3 공개: 텍스트만으로 영상 속 객체 추적, 정확도 2배 향상
Meta SAM 3는 텍스트 프롬프트만으로 영상 속 객체를 검출·추적합니다. 기존 대비 2배 향상된 정확도와 오픈소스 공개로 창작·개발 도구의 새 가능성을 엽니다.
sentencex - by Wikimedia:
https://github.com/wikimedia/sentencex
A sentence segmentation library with wide language support optimized for speed and utility.
Written in #Rust.
Bindings are available for #Python, #NodeJS and #WASM
Might be useful for my #SpeechToText system! 👀
Why the overcomplication? Keep your email marketing segmentation simple and to the point, and avoid these common pitfalls. Cook up a sound segmentation strategy with our help: https://mailreach.eu/email-marketing-blog/segmentation-avoiding-overcomplication/?utm_medium=social&utm_source=mastodon&utm_campaign=blog
#EmailMarketing
#Newsletter
#EmailSegmentation
#Segmentation
#Marketing
#ReachRascals
So how do you turn contours (see previous post) into surface geometry? Well you can create a "levelset image", it is a bit like a heat propagating positively outward and negatively inward from the contours. Instead of heat though you can use the distance to the contour. Next you can draw the isosurface at the level 0 to retrieve the surface.
If one segments stuff using voxel labels it can be hard to retrieve a smooth result. Here however the contours are smoothly interpolated curves and the isosurface is smoothly interpolated as well. Hence there is naturally less of a stepped-Lego issue :).
In the video below the image on the right is the wobbly STL that comes with the Visible Human project. I tried to do better based on the contours-level set approach. I can also control the surface mesh density as you can see in the middle image.
#opensource #Julialang #biomedicalengineering #finiteelementanalysis #biomechanics #segmentation
Open source projects used here:
https://github.com/COMODO-research/Imago.jl
👾 Unsupervised Instance Segmentation with Superpixels
https://arxiv.org/abs/2509.05352
#cs #arxiv #machinevision #vision #computergraphics #segmentation #sensors #ml
Client Info
Server: https://mastodon.social
Version: 2025.07
Repository: https://github.com/cyevgeniy/lmst