tokenize-anything
一个模型，提示任意视觉概念，统一分割与识别
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 602
使用教程
环境要求
- GPU 显存 12G 以上
- 预训练权重
- 视觉任务基础
安装与启动步骤
-
1克隆装包
在仓库目录里装成本地包。
cd tokenize-anything && pip install . -
2拉权重
模型权重在外部托管，按说明下载。
-
3跑演示
用点或框给提示，它同时输出分割、识别与描述。
-
4接自己的图
换成你的图试，新类别要靠文本提示描述。
如何确认成功
给一个框或点，能同时得到该区域的分割掩码、类别名与一句描述，三者互相对得上
注意事项
- 它把分割、识别、描述合成一个提示式接口。
- 提示形式不同（点、框、笔画）结果会差不少。
- 类别靠文本描述，措辞影响识别准确度。
- 权重需要单独下载，仓库里没有。
核心亮点
- 统一了分割、识别和生成任务，减少多模型拼接成本
- 支持文本和点等多种提示方式，交互灵活
- 基于 ECCV 2024 论文，方法有学术背书
不足之处
- 项目处于早期，文档和示例覆盖有限
- 依赖特定预训练权重，复现门槛较高
适用场景
- 多模态视觉理解研究（如统一分割与识别）
- 基于提示的交互式图像编辑工具
- 开放词汇目标检测与分割原型开发
替代项目
SEEM (Segment Everything Everywhere)、SAM (Segment Anything Model)、X-Decoder
同类项目推荐
Medical-SAM3
开源
给个提示就能分割任意医学影像，一个模型通吃多模态
Medical SAM3: A Foundation Model for Universal Prompt-Driven Medical Image Segmentat···
x-unet
开源
用最新注意力机制升级 U-Net，提升图像生成与分割效果
Implementation of a U-net complete with efficient attention as well as the latest re···
amodal
开源
看穿遮挡，AI补全物体被遮住的完整模样
Official code for "Amodal Completion via Progressive Mixed Context Diffusion" [CVPR ···
isaac_ros_object_detection
开源
在 ROS 2 里用 NVIDIA GPU 跑目标检测，订阅图像直接出检测框
NVIDIA-accelerated, deep learned model support for image space object detection
CC-Pan
开源
用扩散模型高效融合遥感图像，全色锐化又快又准
[TMM 2026] Official implementation for "CC-Pan: Channel-wise Compression based Diffu···
Deep-Exemplar-based-Video-Colori···
开源
给老视频一键上色，参考图决定风格
The source code of CVPR 2019 paper "Deep Exemplar-based Video Colorization".
Graph-CAD
开源
用自然语言直接生成 CAD 模型，几何感知更精准
Learning Hierarchical and Geometry-Aware Graph Representations for Text-to-CAD
InCTRL
开源
给几个正常样本，就能检测任何新场景的异常
Official implementation of CVPR'24 paper 'Toward Generalist Anomaly Detection via In···
photonvision
开源
FRC 机器人视觉开箱即用，调参即出目标位姿
PhotonVision is the free, fast, and easy-to-use computer vision solution for the FIR···