generate 生成mark时间很长呀，同等gpu，我对比了FastSAM，FastSAM 只需要 0.1s，而 MobileSAM 需要 7s about mobilesam HOT 7 OPEN

是这样的，看作者的回复：
#52

from mobilesam.

好的 谢谢回复 但是还是很疑惑，不都是同样分割全部可分割的物体吗，并且都是生成了mark，有区别吗

from mobilesam.

看了一下code，区别挺大的，FastSAM都是先seg everything，然后根据prompt来做filter，也就是只调用一次encoder和decoder， SAM做seg everything的时候会调用多次encoder和decoder

from mobilesam.

看了一下code，区别挺大的，FastSAM都是先seg everything，然后根据prompt来做filter，也就是只调用一次encoder和decoder， SAM做seg everything的时候会调用多次encoder和decoder

我懂你意思了，不过我觉得假如有一个任务，我只需要SAM模型不用pprompt就可以快速分割出图片中的全部物体，并且可以获取对应分割的物体的坐标，直接用FastSAM更方便，更快速，而这个MobileSAM要得到同样的效果就很慢。

from mobilesam.

看了一下code，区别挺大的，FastSAM都是先seg everything，然后根据prompt来做filter，也就是只调用一次encoder和decoder， SAM做seg everything的时候会调用多次encoder和decoder

那是不是FastSAM就是把SAM模型全部重新换成yolov8作为backbone进行训练呀

from mobilesam.

看了一下code，区别挺大的，FastSAM都是先seg everything，然后根据prompt来做filter，也就是只调用一次encoder和decoder， SAM做seg everything的时候会调用多次encoder和decoder

那是不是FastSAM就是把SAM模型全部重新换成yolov8作为backbone进行训练呀

不仅是backbone，它是基于完整的yolov8的分割结果，然后引入prompt来后期filter

from mobilesam.

看了一下code，区别挺大的，FastSAM都是先seg everything，然后根据prompt来做filter，也就是只调用一次encoder和decoder， SAM做seg everything的时候会调用多次encoder和decoder

那是不是FastSAM就是把SAM模型全部重新换成yolov8作为backbone进行训练呀

不仅是backbone，它是基于完整的yolov8的分割结果，然后引入prompt来后期filter
谢谢，还在学习，我也不懂哪种方法更好。。。

from mobilesam.