Grounded-SAM
grounded-samGrounding DINO plus SAM. Open-vocabulary text-prompted detection and segmentation in one pipeline for fully-automatic mask generation.
- Pris
- ≈ 0,0015 US$/kørsel
- Input → output
- Tekst + Billede → Tekst
- Udvikler
- Community
- Opdateret
- 23. september 2026
Playground
Prøv Grounded-SAM
Ingen inputmaske
Ingen inputmaske til denne model endnu
Dens inputs er endnu ikke dokumenteret. For at ingen kørsel mislykkes på grund af forkert input tilbyder vi ikke en formular her. Vælg i stedet en sammenlignelig model.
Examples
Open full sizePrompt
clothes,shoes
Open full size
InputPrompt
Car
Om Grounded-SAM
Grounded-SAM er en model af Community i kategorien Multimodal. På Railwail koster Grounded-SAM ≈ 0,0015 US$ pr. kørsel.
Priser
| Typisk kørsel (≈ 1 s på L40S) | 0,0015 US$ pr. kørsel |
|---|---|
| GPU-tid (L40S) | 0,00117Â US$ pr. GPU-sekund |
- Faktureres efter den GPU-tid, som kørslen faktisk tager. Når kørslen starter, reserveres 3× den typiske pris fra din saldo og afregnes efterfølgende.
- 1 kredit = 0,01Â US$
Omkostningsberegner
Prisberegner
Typisk ifølge udbyderen: ca. 1,2 s
I alt
0,15Â US$
15 credits
Pr. kørsel
0,0015 US$ · 0,15 credits
Fakturering efter faktisk GPU-tid; dette er et estimat.
API
Intet bekræftet API-eksempel
Den offentlige API sender et andet inputformat end det, som denne model har brug for. Brug playground ovenfor.
Specifikationer
- Model-ID
grounded-sam- Udvikler
- Community
- Kategori
- Multimodal
- Input
- Tekst, Billede
- Output
- Tekst
- Fakturering
- Efter forbrug (tokens eller GPU-tid)
- Katalogelement opdateret
- 23. september 2026
Tags
- replicate
- segmentation
- vision-understanding
- open-vocabulary
- open-source
Ofte stillede spørgsmål
Hvad er Grounded-SAM?
Grounded-SAM er en model fra Community i kategorien Multimodal.
Hvad koster Grounded-SAM på Railwail?
På Railwail koster Grounded-SAM ≈ 0,0015 US$ pr. kørsel. Du betaler for det, som hver anmodning faktisk bruger. Forbrug betales fra forudbetalte credits; 1 credit svarer til 0,01 US$.
Hvor hurtig er Grounded-SAM?
Der er endnu ikke nok målte kørsler af Grounded-SAM på Railwail til at angive en udførelsestid. Det afhænger af inputtet, indstillingerne og belastningen hos provideren.
Er Grounded-SAM bedre end BLIP?
Det afhænger af opgaven. Grounded-SAM (Community) og BLIP (Salesforce) er begge modeller i kategorien Multimodal. Sammenligningssiden viser deres priser og specifikationer side om side.
Sammenlign Grounded-SAM og BLIPKan Grounded-SAM behandle billeder?
Ja. Grounded-SAM accepterer billeder som input ud over tekst.
Sammenlignelige modeller
Alle i denne kategori- BLIPSalesforce
Salesforce BLIP. Vision-language model for image captioning and visual question answering. Given an image it writes a short natural-language caption, or answers a question about the image when one is supplied. A widely used baseline for automatic captioning.
- CLIP InterrogatorCommunity
pharmapsychotic's CLIP Interrogator. Takes an image and produces a Stable-Diffusion-style text prompt by combining BLIP captioning with CLIP to rank likely subjects, artists, mediums and styles. Commonly used to reverse-engineer a prompt from an existing picture.
- Depth Anything v2Community
Monocular depth-estimation model trained on 595k labeled and 62M unlabeled images. Strong zero-shot generalization in indoor and outdoor scenes.
Alle modeller via én API
En API-nøgle til alle modeller på Railwail. Forbrug debiteres fra forudbetalte credits, 1 credit = 0,01 US$.