展开本页目录
开始前准备什么
- 解压到独立目录，先读README和运行状态；不覆盖原素材。
- Python脚本基础校验需要Pillow；模型环境按本页官方工具单独准备。
- 使用自有或有权使用素材；权重许可与工具代码许可分别核对。
- 打开五件文具平铺图
- 核对官方小模型环境
- 设置有限点网格与面积阈值
- 保存原始候选字段
- 把重叠和漏选作为人工复核任务
- 逐件导出 RGBA 与映射表
- 交付未筛选与筛选后的两个清单
1. 打开五件文具平铺图
flatlay.png 是代码绘制的原创输入，保留五个物件间空白。本页不预先把人工轮廓写入 SAM 2 输出；已知物件数只是验收参考，实际候选可能更多、重复或遗漏。
bash
bash
python3 verify.py
2. 核对官方小模型环境
安装官方 SAM 2 仓库和相匹配的 SAM 2.1 tiny 配置/权重。无 CUDA 扩展会跳过一部分孔洞后处理，要记录运行路径，不能把它说成所有环境结果一致。
bash
bash
git clone https://github.com/facebookresearch/sam2.git
cd sam2
git checkout 2b90b9f5ceec907a1c18123530e92e794ad901a4
pip install -e ".[notebooks]"3. 设置有限点网格与面积阈值
本练习 points_per_side=16，以低分辨率输入先探路。pred_iou_thresh 与 stability_score_thresh 限制候选，不能依据“应该五个”硬造五个模型结果。
bash
bash
python run_sam_auto.py --repo /path/to/sam2 --checkpoint /path/to/sam2.1_hiera_tiny.pt --device cuda
4. 保存原始候选字段
annotations.json 记录 area、bbox、predicted_iou、stability_score 与对应文件名。bbox 是 x/y/width/height；转成裁切右下角时要加宽高，不能当作 x2/y2。
5. 把重叠和漏选作为人工复核任务
按面积和评分查看候选叠加。一个物件可能被拆成多个 mask，也可能与桌面一起选中；保存排除原因，不让固定数量筛选掩盖模型遗漏。
6. 逐件导出 RGBA 与映射表
选定候选后从原图裁切，alpha 使用对应 mask，并记录原图坐标 offset。局部图离开原画布后，offset 才能让后续设计恢复位置。
bash
bash
python3 verify.py --results output
7. 交付未筛选与筛选后的两个清单
保留完整 annotations.json，再另存 approved.json。下载包只包含原创输入、脚本与离线字段校验；官方自动蒙版图不作为本平铺素材的结果。
怎样确认已经完成
- bbox按x/y/width/height解释，裁切不越界。
- 保留原始候选，不通过固定数量伪造五个成功结果。
- 独立素材记录offset、源图hash与mask文件映射。
常见问题
AI批量分割物体为什么不刚好返回五个？
自动蒙版生成的是候选区域，可能包含物件部分、整个物件和背景，需筛选和人工核对。
SAM 2 可以自动给每个物件正确命名吗？
本页不含语义识别模型。候选编号不是商品名称，名称需人工或另行识别。
独立裁切后能还原原位置吗？
可以使用清单中的bbox/offset与源图尺寸恢复；缺少这些信息就不能仅靠裁切图精确重组。