Ana içeriğe geç
meta avatarı

Segment Anything 2 (Auto-Segment) API

meta/sam2/auto-segment

Bir fotoğrafı otomatik olarak segment edin, tek bir birleşik nesne/bölge maskesi alın — prompt, nokta ya da tıklama gerekmez.

segmentasyonmaskeleme
0.01

Model girdisi

Input

URL of the image to be automatically segmented.

Format of the returned mask image.

Number of points sampled along each side of the image grid. Higher values produce more, finer masks but run slower.

Predicted IoU quality threshold; masks below this confidence are discarded. Raise for fewer, cleaner masks.

Stability score threshold for filtering masks. Raise for fewer, more stable masks.

Minimum mask region area in pixels; smaller disconnected regions are removed.

You need to be logged in to run this model and view results.
Log in

Model çıktısı

Output

Loading
Generated in 149.215 seconds
Logs (1 lines)

Örnek istekler

Örnekler

Example output 1Example output 2Example output 3

Segment Anything 2 (Auto-Segment) API

Segment Anything 2 (Auto-Segment) is a image-to-image AI model by meta. On ModelRunner it runs through a REST API or via MCP from any AI assistant, at $0.01 per image.

POST https://queue.modelrunner.run/meta/sam2/auto-segment

cURL

# Submit a request to the queue. Input fields go at the top level of the
# body. The optional reserved "metadata" object holds your own flat string
# tags — stored on the request, never sent to the model; filter later with
# GET https://queue.modelrunner.run/requests?metadata=<url-encoded JSON>.
curl -X POST https://queue.modelrunner.run/meta/sam2/auto-segment \
  -H "Authorization: Key $MRUN_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image_url": "https://media.modelrunner.ai/Y7AkNTD51Far8RIR-fruit-on-table.png",
    "output_format": "png",
    "points_per_side": 32,
    "pred_iou_thresh": 0.88,
    "min_mask_region_area": 100,
    "stability_score_thresh": 0.95,
    "metadata": {
      "project": "my-project"
    }
  }'
# → { "request_id": "...", "status_url": "...", "response_url": "..." }

# Poll status_url until "COMPLETED", then fetch the result
curl "https://queue.modelrunner.run/meta/sam2/auto-segment/requests/$REQUEST_ID/status" \
  -H "Authorization: Key $MRUN_API_KEY"
curl "https://queue.modelrunner.run/meta/sam2/auto-segment/requests/$REQUEST_ID" \
  -H "Authorization: Key $MRUN_API_KEY"

JavaScript

import { modelrunner } from "@modelrunner/client";

const result = await modelrunner.subscribe("meta/sam2/auto-segment", {
  input: {
    "image_url": "https://media.modelrunner.ai/Y7AkNTD51Far8RIR-fruit-on-table.png",
    "output_format": "png",
    "points_per_side": 32,
    "pred_iou_thresh": 0.88,
    "min_mask_region_area": 100,
    "stability_score_thresh": 0.95
  },
});
console.log(result);

Python

import os
import requests

headers = {"Authorization": f"Key {os.environ['MRUN_API_KEY']}"}

submitted = requests.post(
    "https://queue.modelrunner.run/meta/sam2/auto-segment",
    headers=headers,
    json={
      "image_url": "https://media.modelrunner.ai/Y7AkNTD51Far8RIR-fruit-on-table.png",
      "output_format": "png",
      "points_per_side": 32,
      "pred_iou_thresh": 0.88,
      "min_mask_region_area": 100,
      "stability_score_thresh": 0.95
    },
).json()

# Poll submitted["status_url"] until "COMPLETED", then:
result = requests.get(submitted["response_url"], headers=headers).json()

Input parameters

Input parameters of Segment Anything 2 (Auto-Segment)
NameTypeRequiredDescription
image_urlstring (uri)yesURL of the image to be automatically segmented.
output_formatenumnoFormat of the returned mask image. One of: jpeg, png. Default: "png".
points_per_sideintegernoNumber of points sampled along each side of the image grid. Higher values produce more, finer masks but run slower. Default: 32.
pred_iou_threshnumbernoPredicted IoU quality threshold; masks below this confidence are discarded. Raise for fewer, cleaner masks. Default: 0.88.
stability_score_threshnumbernoStability score threshold for filtering masks. Raise for fewer, more stable masks. Default: 0.95.
min_mask_region_areaintegernoMinimum mask region area in pixels; smaller disconnected regions are removed. Default: 100.

Machine-readable: OpenAPI schema · llms.txt

Use Segment Anything 2 (Auto-Segment) from Claude & Cursor (MCP)

Point Claude Code, Claude Desktop, Cursor, or any MCP client at the ModelRunner MCP server and Segment Anything 2 (Auto-Segment) becomes a tool your assistant can call directly — it authorizes via OAuth (no API key in config) and runs this model with the run_model tool using the endpoint meta/sam2/auto-segment.

MCP client config (Claude Desktop, Cursor)

{
  "mcpServers": {
    "modelrunner": {
      "command": "npx",
      "args": ["-y", "mcp-remote", "https://mcp.modelrunner.run/mcp"]
    }
  }
}

Claude Code

claude mcp add --transport http modelrunner https://mcp.modelrunner.run/mcp

Then ask your assistant, for example: “Run meta/sam2/auto-segment on ModelRunner to generate image”. MCP setup guide.

Model Detayları

Model Detayları

Segment Anything 2 (Auto-Segment), bir görseli otomatik olarak maskelere böler: tek bir fotoğraf verin, model bulduğu her nesneyi, bölgeyi ve yüzeyi kapsayan tek bir birleşik segmentasyon maskesi döndürür — prompt, tıklama, nokta ya da kutu girdisi gerekmez. Model tam otomatik modda çalışır: görselin tamamına yayılan bir nokta ızgarasını örnekler ve sonuçları girdinin boyutlarında tek bir maske görselinde birleştirir. Çıktı, doğrudan bir kompozit, matting ya da etiketleme pipeline’ına aktarabileceğiniz standart bir görseldir.

## En uygun olduğu işler - Kompozit ya da arka plan çalışmaları için bir fotoğraftaki her şeyin birleşik maskesini tek seferde çıkarmak - Etiketleme ve anotasyon veri setlerine başlangıç noktası olarak segmentasyon maskeleri üretmek - Sonraki düzenleme, matting ya da analiz adımları için görselleri önceden bölge haritalarına dönüştürmek - Görsel başına prompt yazmanın pratik olmadığı çok sayıda durağan görsel için toplu maske üretimi

## Şu durumlarda başka bir model seçin - Her şeyi otomatik segment etmek yerine bir noktaya tıklayarak ya da kutu çizerek belirli bir nesneyi maskelemek istiyorsanız — prompt güdümlü / etkileşimli bir segmentasyon modeli kullanın - Arka planı kaldırılmış, tek bir ana öznenin temiz bir kesitini istiyorsanız — bir arka plan kaldırma modeli kullanın - Maske üretmek yerine fotoğrafın kendisini düzenlemek ya da yeniden üretmek istiyorsanız — bir görsel düzenleme ya da text-to-image modeli kullanın - Tek bir kare yerine bir videoyu zaman boyunca segment etmeniz gerekiyorsa — bir video segmentasyon modeli kullanın

## İpuçları - Otomatik mod agresiftir: alt bölgeleri, gölgeleri ve yüzey parçalarını da segment eder; bu yüzden maske sayısı sahnedeki belirgin nesnelerin sayısını fazlasıyla aşabilir. Birkaç büyük bölge yerine çok ayrıntılı bir bölümleme bekleyin. - Elinizdeki en yüksek çözünürlüklü kaynağı verin; maske girdinin boyutlarında döner. - `points_per_side` ızgara yoğunluğunu belirler (yüksek değer = daha çok ve daha ince maske, ama daha yavaş); `pred_iou_thresh` ve `stability_score_thresh` düşük kaliteli maskeleri filtreler (daha temiz ve daha az maske için yükseltin); `min_mask_region_area` verilen piksel alanının altındaki küçük parçaları atar. Bunlar gelişmiş ayarlardır — çoğu görselde varsayılanlar iş görür.

## Sınırlamalar - Nesne başına ayrı katmanlar değil, tek bir birleşik maske görseli döndürür; bu yüzden üst üste binen ya da bitişik bölgeler çıktıda birleşir. - İnce yapılar, yansıtıcı ve saydam yüzeyler ve düşük kontrastlı sınırlar kusurlu biçimde segment edilebilir.

ModelRunner JavaScript client ile çalıştırmak için: ```js import { modelrunner } from "@modelrunner/client";

const result = await modelrunner.subscribe("meta/sam2/auto-segment", { input: { image_url: "https://media.modelrunner.ai/example-scene.png", output_format: "png", }, }); ```