ovam 是计算机视觉领域的开源项目，由 vpulab 开发，2023 年首次发布。
它收录于计算机视觉分类，该分类目前共有 447 个项目，GitHub 星标数为 70。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-07-09。MIT许可证，可自由使用，无付费版本。
它主要面向的使用场景是：学术研究：复现论文实验，探索扩散模型在分割任务中的应用。同类可对比的替代方案包括 CLIPSeg、GroupViT、SegGPT。
ovam
用扩散模型生成精准的开放词汇语义分割图
ovam 是 CVPR 2024 论文的开源实现，旨在解决扩散模型在语义分割任务中应用时注意力图不准确的问题。它通过优化文本 token 来生成开放词汇的注意力图，使得 Stable Diffusion 等模型能够更精准地定位和分割图像中的语义区域。该项目提供了一套完整的训练和推理代码，支持自定义类别和图像，能够输出高质量的语义分割结果。核心能力包括：基于注意力机制的可视化、token 优化策略、以及与多种扩散模型的兼容性。对于研究开放词汇分割和扩散模型应用的开发者来说，这是一个实用的工具。
开源
free
图像生成
GitHub 星标
★ 70
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类图像生成
开发团队vpulab
所属国家
定价模式free
价格说明开源项目，MIT许可证，可自由使用，无付费版本。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型attention-mechanism,semantic-segmentation,stable-diffusion
GitHub 星标★ 70
30天Star增速
HF 下载量
上线时间2023-11-22 00:00:00
最近更新2026-07-09 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4
使用教程
核心亮点
- 基于CVPR 2024论文，方法有理论支撑，权威性高
- 支持开放词汇分割，无需预定义类别，灵活性强
- 代码结构清晰，便于二次开发和集成到现有扩散模型流程
不足之处
- 项目处于早期阶段，文档和社区支持有限
- 依赖扩散模型推理，计算资源消耗可能较大
适用场景
- 学术研究：复现论文实验，探索扩散模型在分割任务中的应用
- 图像编辑：利用语义分割结果进行区域感知的图像编辑
- 自动驾驶：对街景图像进行开放词汇的语义理解
替代项目
CLIPSeg、GroupViT、SegGPT
项目介绍
同类项目推荐
modlens
开源
给纯文本编码代理装上眼睛，粘贴图片即刻获得结构化视觉证据。
The first vision plugin for DeepSeek Harness, and the vision bridge for every text-o···
opencv
开源
开箱即用的视觉算法库，搞定图像视频处理与识别
Open Source Computer Vision Library
OpenCVTutorials
开源
中文 OpenCV 教程，从入门到实战，边看边跑代码
OpenCV-Python4.1 中文文档
Olympus
开源
一个路由搞定所有视觉任务，免去逐个微调
[CVPR 2025 Highlight] Official code for "Olympus: A Universal Task Router for Comput···