MobileSAM (Mobile Segment Anything Model) 是 Meta AI 基于 Segment Anything Model (SAM) 功能改进轻量级图像分割模型，专为移动端与边缘设备实时应用设计。其核心创新在于使用蒸馏方法，将原始 SAM 中体积庞大的 ViT-H 图像编码器替换为参数仅 5M 的 Tiny‑ViT 编码器，同时保留原 SAM 的 mask 解码器结构。

• 体积与速度显著优化：整体参数从约 615M 减少至 9.66M，推理速度提升至每图 12ms（编码器 8ms + 解码器 4ms），比原始 SAM 快约 38×。
• 结构兼容：模型架构与原始 SAM 完全一致，仅替换编码器；支持点击/框选等交互提示方法。
• 部署友好：适合 CPU 和移动端部署，GitHub 提供 ONNX 支持，演示在 Mac CPU 上约 3s 完成一张图像分割。
• 应用场景：适用于实时抠图、虚拟背景、增强现实、人机交互、智能监控等需要快速响应且资源受限的领域。

当用户对源模型进行过微调，需要重新进行模型转换。

用户可以自行参考以下两种方式完成模型转换：

• 使用 AIMO 完成模型转换：在右侧性能参考板块中点击模型转换参考查看模型转换步骤

• 使用高通 QNN 完成模型转换：请参考 Qualcomm QNN 文档

Model Farm 所提供的模型性能基准测试以及示例代码皆基于阿加犀AidLite SDK 实现。

对于模型文件格式为 .bin 的模型，可以使用以下两种推理引擎完成模型在高通芯片上推理：

• 使用 APLUX AidLite 推理：详情请参考 APLUX AidLite 开发者文档

• 使用 Qualcomm QNN 推理：请参考 Qualcomm QNN 文档

推理示例代码

推理示例代码是基于 AidLite SDK 实现

点击模型 & 代码下载模型文件和推理代码包，文件结构如下

/model_farm_{model_name}_aidlite
    
    |__ models # folder where model files are stored

    |__ python # aidlite python model inference example

    |__ cpp # aidlite cpp model inference example

    |__ README.md