想像你喺設計圖像或者編輯相片時，要精準選取圖入面嘅「紅色跑車」或者「藍天白雲」，但傳統工具總係要手動畫框或者掙扎咁用魔法棒，浪費好多時間。Grounded SAM 就係專為呢啲痛點而生嘅開源工具，結合咗 Grounding DINO、Segment Anything 同 Stable Diffusion 等頂尖模型，讓你只用文字描述，就能自動偵測、分割甚至生成指定物件。呢個工具特別適合圖像處理開發者、設計師同 AI 愛好者，幫佢哋喺幾秒內完成複雜任務，大大提升工作效率。
GroundingDINO 用文字提示偵測圖像中任何物件
Grounded SAM 嘅基礎來自 Grounding DINO 模型，呢個部分專注於用自然語言文字提示，喺圖像中偵測出你想要嘅物件。例如輸入「一隻貓」或者「停泊嘅船隻」，佢就會自動框出所有符合描述嘅區域，唔使再靠顏色或者形狀手動篩選。呢種 open-vocabulary 偵測方式，比傳統物件偵測器更靈活，因為佢唔限於預定義類別，你可以隨意描述任何東西，從日常物品到抽象概念。
喺實際操作上，你只需載入圖像同輸入提示詞，模型就會即時生成邊界框（bounding box），準確率高達專業級別。對於開發者嚟講，呢個功能透過簡單嘅 Python 指令就能整合落自己嘅 workflow，省卻大量預處理步驟。
Grounded-SAM 結合文字提示實現精準物件分割
偵測完物件之後，Grounded-SAM 會自動銜接 Segment Anything 模型，將邊界框轉化成像素級精準遮罩（mask）。呢個步驟解決咗傳統偵測只給粗略框嘅問題，讓你得到乾淨嘅物件輪廓，例如完美分割出行駛中嘅汽車，而唔會夾帶背景雜物。整個流程只需一次文字提示，模型會自動生成多個候選遮罩，你可以選擇最適合嘅一個。
相比單獨使用 Segment Anything，Grounded-SAM 嘅優勢在於加入咗文字引導，避免咗點擊點選嘅麻煩。呢個功能喺影像編輯軟件或者自動化 pipeline 中特別實用，例如快速移除圖像中嘅不需要元素，或者為後續生成任務準備素材。
內填功能偵測分割後自動生成新內容填補空白
Grounded SAM 最強大嘅延伸係整合 Stable Diffusion 嘅內填（inpainting）功能。完成分割後，你可以指定文字提示，例如「用綠色草地取代」，模型就會智能生成新內容填補空白區域，確保過渡自然無痕。呢個流程從偵測到生成一氣呵成，適用於創意編輯如替換背景或者物件替換。
另外，Recognize Anything 模型進一步提升咗辨識準確度，讓複雜場景下嘅物件更容易被捕捉。對於藝術家或者內容創作者，呢種全自動生成能力意味住可以快速迭代設計原型，而唔使依賴 Photoshop 等專業軟件。
Gradio APP 提供直觀介面快速上手測試
為了方便非開發者，Grounded-SAM 內建 Gradio web 介面，只需幾個指令就能啟動本地 APP。打開瀏覽器，上傳圖像、輸入提示詞，按鈕一 click 就見到偵測、分割同內填結果。支援 Docker 一鍵安裝，即使冇 NVIDIA GPU 環境，都可以用 CPU 模式運行，雖然速度稍慢。
呢個 APP 仲允許調整參數如信心閾值或者遮罩精細度，讓用戶微調輸出。無論係研究 prototype 或者日常實驗，都能即時預覽效果，降低咗 AI 工具嘅入門門檻。
產品名稱：Grounded SAM / Grounded-Segment-Anything
官方網站：https://github.com/IDEA-Research/Grounded-Segment-Anything
