RF-DETR 開源：即時分割模型單圖最快 3.4 毫秒，採用 Apache 2.0

RF-DETR segmentation 是一個面向即時影像分割任務的開源模型，採用寬鬆且利於商用的 Apache 2.0 協議。

它直接放出了從 Nano 到 2XLarge 共 6 種尺寸的權重。其中最輕量的 Nano 版本單張圖片推理時間僅需 3.4 毫秒，精度達到 40.3 mAP；如果需要更高的精細度，最大的 2XLarge 版本單圖耗時 21.8 毫秒，精度達到了 49.9 mAP。

它能做什麼

這個專案把基於 Transformer 的 DETR 架構在即時分割任務上的推理速度推到了極高的水平。開發者不再需要在「極速但粗糙」和「精細但遲鈍」之間艱難妥協。

從機器人避障、自動駕駛感知到即時影片流質檢，只要對端到端延遲要求苛刻，Nano 和中等尺寸的版本都能直接掛載在邊緣算力裝置上平穩執行。

為什麼重要

我們認為，RF-DETR 最實在的地方在於它直接開放了商用友好的 Apache 2.0 協議。業內很多高效能分割模型往往綁定了限制多樣的研究協議，給工程落地製造了合規阻礙。

如果你正在開發需要高幀率影片分析的端側應用，或者正在尋找能在低算力裝置上即時生成高質量掩碼的模型，RF-DETR 值得現在就拉下來測試一番。