Meta AI
Meta (FAIR) · Image
Meta Segment Anything Model 2 (SAM 2) est un modèle de segmentation open source pour l'image et la vidéo. Vous cliquez une fois sur un objet et le contour reste accroché pendant que le clip défile.
À propos de Meta AI
About
Qu'est-ce que Meta Segment Anything Model 2
SAM 2 répond à une question précise : quels pixels appartiennent à ce que vous venez de désigner. L'équipe FAIR de Meta a publié le code et les poids sur GitHub en juillet 2024 sous licence Apache 2.0, ce qui vous laisse le droit de le télécharger, de l'exécuter et de l'intégrer à un produit commercial.
La vraie nouveauté par rapport au SAM d'origine, c'est la vidéo. SAM 2 traite une photo comme une vidéo d'une seule image, si bien qu'un seul modèle couvre les deux usages. Un module de mémoire transporte ce qu'il a appris de votre objet d'une image à la suivante, et le masque tient bon quand la caméra bouge ou que le sujet se détourne. D'après Meta, cette approche demande environ 3 fois moins d'interactions que les méthodes de segmentation vidéo antérieures.
Deux limites méritent d'être posées avant de bâtir quoi que ce soit dessus. SAM 2 renvoie des masques, pas des noms : il indique où se trouve un objet, jamais ce qu'il est. Le texte n'est pas accepté en entrée non plus, donc une demande comme « la voiture rouge » doit arriver sous forme de clic ou de boîte, généralement depuis un détecteur séparé. Meta a depuis sorti SAM 3 et SAM 3.1, qui acceptent des invites de concept, ce qui fait de SAM 2 la génération précédente, même si le dépôt fonctionne toujours et reçoit encore des correctifs.
Pour commencer
- Ouvrez la démo dans le navigateur sur sam2.metademolab.com et cliquez sur un objet dans un clip court. C'est le moyen le plus rapide de voir ce que fait le modèle avant d'installer quoi que ce soit.
- Clonez facebookresearch/sam2 depuis GitHub dans un environnement Python 3.10 ou plus récent, avec PyTorch 2.5.1 minimum.
- Téléchargez un checkpoint. Meta SAM 2 existe en quatre tailles, et la plus petite se charge sur une machine modeste.
- Choisissez le prédicteur : SAM2ImagePredictor pour les photos, SAM2VideoPredictor pour la vidéo.
- Envoyez vos invites sous forme de points, de boîtes ou de masques, puis récupérez les masques. Activez le générateur automatique si vous voulez segmenter toute l'image d'un coup.
Informations sur le produit
Aperçu des tarifs, des plateformes compatibles et des performances de Meta AI.
Idéal pour
Les utilisateurs, tâches et cas d'usage où cet outil convient le mieux.
Utilisateurs
- Ingénieurs machine learning
- Monteurs vidéo et freelances VFX
- Équipes d'annotation
- Labos de robotique et d'imagerie médicale
Tâches
- Détourer un sujet sur une photo
- Suivre un objet sur un clip
- Intégrer du détourage à un produit
- Étiqueter un jeu de données maison
Cas d'usage
- Tester une idée dans la démo
- Des clips longs avec plusieurs objets
- Des images inhabituelles comme des tuiles satellite ou des lames de microscope
Fonctionnalités clés
Un seul modèle pour la photo et la vidéo
Les mêmes poids traitent une image fixe et un clip. L'argument compte si vous préférez garder un seul chemin d'inférence au lieu d'assembler deux modèles, et les résultats restent cohérents quand un projet mélange les deux formats.
Une mémoire en flux qui stabilise le masque
Un module d'attention à mémoire conserve les caractéristiques des images précédentes et les réutilise sur l'image courante. Résultat concret : un masque qui résiste aux mouvements de caméra, aux occlusions partielles et aux objets qui quittent le champ. Meta appelle masklet le masque d'un objet suivi dans le temps.
Quatre checkpoints, de tiny à large
Meta SAM 2 se décline en 38,9 M, 46 M, 80,8 M et 224,4 M de paramètres. En vidéo, Meta annonce 91,2 images par seconde pour le checkpoint tiny et 39,5 pour le large sur une A100, la qualité progressant avec la taille.
Des checkpoints SAM 2.1 plus à l'aise sur les petits objets
La version 2.1 est arrivée fin septembre 2024 et a amélioré la segmentation des petits objets ainsi que la tenue face aux mouvements de caméra. Si vous démarrez aujourd'hui, prenez les poids 2.1 : même prix, meilleurs scores sur les tests vidéo de Meta.
La génération automatique de masques
Vous pouvez laisser tomber les invites et demander au modèle de proposer des masques pour tout ce que contient l'image. Pratique pour explorer un jeu de données inconnu. Filtrez par surface et par confiance avant que quoi que ce soit parte en production.
Poids ouverts, code d'entraînement et jeu de données SA-V
Code, poids et recette d'entraînement sont en Apache 2.0. Meta a aussi publié SA-V, qu'elle présente comme le plus grand jeu de données de segmentation vidéo à ce jour, de quoi affiner et publier sans demander d'autorisation.
Avantages et inconvénients
Avantages
- La segmentation d'images et le suivi vidéo viennent du même modèle, ce qui supprime une étape d'intégration entière.
- C'est rapide : de 39,5 à 91,2 images par seconde en vidéo, selon le checkpoint chargé.
- Apache 2.0 couvre l'usage commercial, sans facturation à l'appel ni décompte de sièges.
- La qualité sans entraînement préalable suffit souvent, et beaucoup d'équipes remettent l'affinage à plus tard, jusqu'au premier cas qui casse.
Inconvénients
- Meta ne propose aucun endpoint hébergé : le GPU, le serveur et la disponibilité restent à votre charge.
- Les masques sortent sans étiquette, et la segmentation interactive se limite ici aux points et aux boîtes. L'associer à un détecteur à vocabulaire ouvert représente un travail de plus, pour vous.
- La mémoire GPU augmente avec chaque objet suivi et avec la durée du clip, ce qui exclut les longues séquences sur une petite carte.
- SAM 3, sorti en novembre 2025, ajoute les invites textuelles et un meilleur suivi, donc tout nouveau projet devrait au moins l'évaluer d'abord.
Questions fréquentes
Oui. Meta a publié les checkpoints, le code de la démo et le code d'entraînement sous Apache 2.0, une licence qui autorise l'usage commercial sans paiement ni accord séparé. La police Inter et Noto Color Emoji fournies avec la démo relèvent d'une licence typographique propre, mais elle ne concerne que l'interface de démonstration.
Contenus associés
Découvrez des outils, des compétences et des articles liés à Meta AI.
Alternatives à Meta AI
Google EmbeddingGemma 2
Google DeepMind · Rédaction · Image · ProgrammationGoogle EmbeddingGemma 2 est un modèle ouvert de 740 millions de paramètres qui transforme texte, code, images, audio et images vidéo en vecteurs d'un même espace de 768 dimensions, sur un téléphone ou un ordinateur portable.
Tractionwave
TractionWave · Image · MarketingTractionWave produit une carte de chaleur d'attention par IA pour les annonces statiques. Vous déposez un PNG ou un JPG, et vous obtenez l'attention prévue, des points chauds classés et des corrections avant de dépenser.
Imejis.io
Imejis.io · Image · MarketingImejis.io est un studio de design IA pour les agents et les équipes marketing. Vous décrivez une image avec vos mots, l'outil écrit le texte, construit la mise en page, l'adapte à chaque format et exporte le fichier final.