> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-hi/vision-models/sam2-video.md).

# SAM2 Video

Meta के SAM2.1 के साथ वीडियो में किसी भी ऑब्जेक्ट को ट्रैक और सेगमेंट करें — SAM2 का बेहतर संस्करण जिसमें वीडियो सटीकता बढ़ाई गई है।

{% hint style="success" %}
सभी उदाहरण GPU सर्वरों पर चलाए जा सकते हैं जिन्हें द्वारा किराए पर लिया गया है [CLORE.AI मार्केटप्लेस](https://clore.ai/marketplace).
{% endhint %}

{% hint style="info" %}
इस मार्गदर्शिका के सभी उदाहरणों को GPU सर्वरों पर चलाया जा सकता है जिन्हें के माध्यम से किराए पर लिया जाता है [CLORE.AI मार्केटप्लेस](https://clore.ai/marketplace) मार्केटप्लेस।
{% endhint %}

## CLORE.AI पर किराये पर लेना

1. पर जाएँ [CLORE.AI मार्केटप्लेस](https://clore.ai/marketplace)
2. GPU प्रकार, VRAM, और मूल्य के अनुसार फ़िल्टर करें
3. चुनें **ऑन-डिमांड** (निश्चित दर) या **स्पॉट** (बिड प्राइस)
4. अपना ऑर्डर कॉन्फ़िगर करें:
   * Docker इमेज चुनें
   * पोर्ट सेट करें (SSH के लिए TCP, वेब UI के लिए HTTP)
   * यदि आवश्यक हो तो एनवायरनमेंट वेरिएबल जोड़ें
   * स्टार्टअप कमांड दर्ज करें
5. भुगतान चुनें: **CLORE**, **BTC**, या **USDT/USDC**
6. ऑर्डर बनाएं और डिप्लॉयमेंट का इंतज़ार करें

### अपने सर्वर तक पहुँचें

* कनेक्शन विवरण में खोजें **मेरे ऑर्डर**
* वेब इंटरफेस: HTTP पोर्ट URL का उपयोग करें
* SSH: `ssh -p <port> root@<proxy-address>`

## SAM2 क्या है?

Meta AI का SAM2 (Segment Anything Model 2) सक्षम बनाता है:

* रीयल-टाइम वीडियो ऑब्जेक्ट सेगमेंटेशन
* किसी भी ऑब्जेक्ट पर क्लिक करके ट्रैक करें
* ओक्लुजन के दौरान सुसंगत ट्रैकिंग
* मेमोरी-प्रभावी वीडियो प्रोसेसिंग

## SAM2.1 में नया क्या है

SAM2.1 मूल SAM2 की तुलना में महत्वपूर्ण सुधार लाता है:

* **बेहतर वीडियो सटीकता** — ओक्लूजन और तेज़ मूवमेंट के दौरान बेहतर ट्रैकिंग
* **सुधारित मेमोरी मॉड्यूल** — अधिक सुसंगत लंबी दूरी की ट्रैकिंग
* **नए चेकपॉइंट्स** — `sam2.1_hiera_*` श्रृंखला बेहतर प्रदर्शन के साथ
* **आधिकारिक pip पैकेज** — के साथ इंस्टॉल करें `pip install sam-2` (कोई मैन्युअल बिल्ड आवश्यक नहीं)
* **तेज़ इन्फरेंस** — अनुकूलित CUDA कर्नल

## संसाधन

* **GitHub:** [facebookresearch/sam2](https://github.com/facebookresearch/sam2)
* **पेपर:** [SAM2 पेपर](https://arxiv.org/abs/2408.00714)
* **डेमो:** [SAM2 डेमो](https://sam2.metademolab.com/)
* **मॉडल वेट्स:** [SAM2.1 चेकपॉइंट्स](https://github.com/facebookresearch/sam2#model-checkpoints)

## अनुशंसित हार्डवेयर

| घटक     | न्यूनतम       | अनुशंसित      | सर्वोत्तम     |
| ------- | ------------- | ------------- | ------------- |
| GPU     | RTX 3060 12GB | RTX 4080 16GB | RTX 4090 24GB |
| VRAM    | 8GB           | 16GB          | 24GB          |
| CPU     | 4 कोर         | 8 कोर         | 16 कोर        |
| RAM     | 16GB          | 32GB          | 64GB          |
| स्टोरेज | 30GB SSD      | 50GB NVMe     | 100GB NVMe    |
| इंटरनेट | 100 Mbps      | 500 Mbps      | 1 Gbps        |

## CLORE.AI पर त्वरित डिप्लॉय

**Docker इमेज:**

```
pytorch/pytorch:2.5.1-cuda12.4-cudnn9-devel
```

**पोर्ट:**

```
22/tcp
7860/http
```

**कमांड:**

```bash
cd /workspace && \
pip install sam-2 && \
python -c "from sam2.build_sam import build_sam2; print('SAM2.1 ready!')"
```

## अपनी सेवा तक पहुँचना

डिप्लॉयमेंट के बाद, अपना खोजें `http_pub` URL में **मेरे ऑर्डर**:

1. जाएँ **मेरे ऑर्डर** पृष्ठ
2. अपने ऑर्डर पर क्लिक करें
3. खोजें `http_pub` URL (उदा., `abc123.clorecloud.net`)

उपयोग करें `https://YOUR_HTTP_PUB_URL` की बजाय `localhost` नीचे दिए उदाहरणों में।

## इंस्टॉलेशन

```bash
# आधिकारिक pip पैकेज (SAM2.1 के लिए अनुशंसित)
pip install sam-2

# SAM2.1 चेकपॉइंट्स डाउनलोड करें
python -c "
from sam2.utils.misc import download_file_with_progress

checkpoints = [
    ('https://dl.fbaipublicfiles.com/segment_anything_2/092824/sam2.1_hiera_tiny.pt', 'checkpoints/sam2.1_hiera_tiny.pt'),
    ('https://dl.fbaipublicfiles.com/segment_anything_2/092824/sam2.1_hiera_small.pt', 'checkpoints/sam2.1_hiera_small.pt'),
    ('https://dl.fbaipublicfiles.com/segment_anything_2/092824/sam2.1_hiera_base_plus.pt', 'checkpoints/sam2.1_hiera_base_plus.pt'),
    ('https://dl.fbaipublicfiles.com/segment_anything_2/092824/sam2.1_hiera_large.pt', 'checkpoints/sam2.1_hiera_large.pt'),
]
"

# या डाउनलोड स्क्रिप्ट का उपयोग करें
mkdir -p checkpoints && cd checkpoints
wget https://dl.fbaipublicfiles.com/segment_anything_2/092824/sam2.1_hiera_large.pt
```

### विकल्प: स्रोत से (विकास के लिए)

```bash
git clone https://github.com/facebookresearch/sam2.git
cd sam2
pip install -e ".[demo]"

# SAM2.1 चेकपॉइंट्स डाउनलोड करें
cd checkpoints
bash download_ckpts.sh
```

## आप क्या बना सकते हैं

### वीडियो एडिटिंग

* वीडियो से ऑब्जेक्ट हटाएँ
* बैकग्राउंड को निर्बाध रूप से बदलें
* कंपोजिटिंग के लिए वीडियो मास्क बनाएं

### खेल विश्लेषण

* खेलों में खिलाड़ियों को ट्रैक करें
* मूवमेंट पैटर्न का विश्लेषण करें
* हाइलाइट रील बनाएं

### मेडिकल इमेजिंग

* CT/MRI वीडियो में अंगों का सेगमेंटेशन करें
* माइक्रोस्कोपी में कोशिका की गति को ट्रैक करें
* समय के साथ वृद्धि को मापें

### निगरानी और सुरक्षा

* कैमरों के पार ऑब्जेक्ट्स को ट्रैक करें
* लोगों/वाहनों की गिनती करें
* अनोमली डिटेक्शन

### रचनात्मक प्रोजेक्ट

* VFX के लिए रोटोस्कोपिंग
* इंटरैक्टिव वीडियो इंस्टॉलेशंस
* AR/VR सामग्री निर्माण

## मूल उपयोग

### इमेज सेगमेंटेशन

```python
import torch
from sam2.build_sam import build_sam2
from sam2.sam2_image_predictor import SAM2ImagePredictor
from PIL import Image
import numpy as np

# SAM2.1 मॉडल लोड करें (SAM2 की तुलना में बेहतर सटीकता)
checkpoint = "./checkpoints/sam2.1_hiera_large.pt"
model_cfg = "configs/sam2.1/sam2.1_hiera_l.yaml"

sam2 = build_sam2(model_cfg, checkpoint, device="cuda")
predictor = SAM2ImagePredictor(sam2)

# छवि लोड करें
image = np.array(Image.open("image.jpg"))
predictor.set_image(image)

# प्वाइंट प्रॉम्प्ट के साथ सेगमेंट करें
point_coords = np.array([[500, 375]])  # x, y निर्देशांक
point_labels = np.array([1])  # 1 = फ़ॉरग्राउंड

masks, scores, logits = predictor.predict(
    point_coords=point_coords,
    point_labels=point_labels,
    multimask_output=True
)

# सर्वश्रेष्ठ मास्क प्राप्त करें
best_mask = masks[scores.argmax()]
```

### वीडियो ऑब्जेक्ट ट्रैकिंग

```python
import torch
from sam2.build_sam import build_sam2_video_predictor
import numpy as np

# SAM2.1 वीडियो प्रेडिक्टर इनिशियलाइज़ करें (बेहतर ट्रैकिंग सटीकता)
checkpoint = "./checkpoints/sam2.1_hiera_large.pt"
model_cfg = "configs/sam2.1/sam2.1_hiera_l.yaml"

predictor = build_sam2_video_predictor(model_cfg, checkpoint, device="cuda")

# वीडियो के साथ इनिशियलाइज़ करें
video_path = "./video_frames"  # फ्रेम छवियों वाली निर्देशिका
inference_state = predictor.init_state(video_path=video_path)

# पहले फ्रेम पर पॉइंट जोड़ें
predictor.reset_state(inference_state)
frame_idx = 0
obj_id = 1  # ट्रैकिंग के लिए ऑब्जेक्ट ID

points = np.array([[400, 300]], dtype=np.float32)
labels = np.array([1], dtype=np.int32)

# ट्रैक करने के लिए ऑब्जेक्ट जोड़ें
_, out_obj_ids, out_mask_logits = predictor.add_new_points_or_box(
    inference_state=inference_state,
    frame_idx=frame_idx,
    obj_id=obj_id,
    points=points,
    labels=labels
)

# वीडियो में प्रोपीगेट करें
video_segments = {}
for out_frame_idx, out_obj_ids, out_mask_logits in predictor.propagate_in_video(inference_state):
    video_segments[out_frame_idx] = {
        obj_id: (out_mask_logits[i] > 0.0).cpu().numpy()
        for i, obj_id in enumerate(out_obj_ids)
    }
```

## मल्टी-ऑब्जेक्ट ट्रैकिंग

```python
import torch
from sam2.build_sam import build_sam2_video_predictor
import numpy as np

predictor = build_sam2_video_predictor(
    "configs/sam2.1/sam2.1_hiera_l.yaml",
    "./checkpoints/sam2.1_hiera_large.pt",
    device="cuda"
)

video_path = "./video_frames"
inference_state = predictor.init_state(video_path=video_path)

# एक से अधिक ऑब्जेक्ट ट्रैक करें
objects_to_track = [
    {"id": 1, "point": [200, 150], "frame": 0},  # व्यक्ति 1
    {"id": 2, "point": [400, 200], "frame": 0},  # व्यक्ति 2
    {"id": 3, "point": [600, 300], "frame": 0},  # बॉल
]

for obj in objects_to_track:
    predictor.add_new_points_or_box(
        inference_state=inference_state,
        frame_idx=obj["frame"],
        obj_id=obj["id"],
        points=np.array([obj["point"]], dtype=np.float32),
        labels=np.array([1], dtype=np.int32)
    )

# सभी ऑब्जेक्ट्स को प्रोपीगेट करें
all_masks = {}
for frame_idx, obj_ids, mask_logits in predictor.propagate_in_video(inference_state):
    all_masks[frame_idx] = {}
    for i, obj_id in enumerate(obj_ids):
        all_masks[frame_idx][obj_id] = (mask_logits[i] > 0.0).cpu().numpy()
```

## बॉक्स प्रॉम्प्ट सेगमेंटेशन

```python
from sam2.build_sam import build_sam2
from sam2.sam2_image_predictor import SAM2ImagePredictor
import numpy as np
from PIL import Image

sam2 = build_sam2(
    "configs/sam2.1/sam2.1_hiera_l.yaml",
    "./checkpoints/sam2.1_hiera_large.pt",
    device="cuda"
)
predictor = SAM2ImagePredictor(sam2)

image = np.array(Image.open("image.jpg"))
predictor.set_image(image)

# बाउंडिंग बॉक्स के साथ सेगमेंट करें
box = np.array([100, 100, 400, 400])  # x1, y1, x2, y2

masks, scores, _ = predictor.predict(
    box=box,
    multimask_output=False
)
```

## Gradio इंटरफ़ेस

```python
import gradio as gr
import numpy as np
from PIL import Image
import torch
from sam2.build_sam import build_sam2
from sam2.sam2_image_predictor import SAM2ImagePredictor

sam2 = build_sam2(
    "configs/sam2.1/sam2.1_hiera_l.yaml",
    "./checkpoints/sam2.1_hiera_large.pt",
    device="cuda"
)
predictor = SAM2ImagePredictor(sam2)

def segment_image(image, x, y):
    predictor.set_image(np.array(image))

    masks, scores, _ = predictor.predict(
        point_coords=np.array([[x, y]]),
        point_labels=np.array([1]),
        multimask_output=True
    )

    best_mask = masks[scores.argmax()]

    # ओवरले बनाएं
    overlay = np.array(image).copy()
    overlay[best_mask] = overlay[best_mask] * 0.5 + np.array([255, 0, 0]) * 0.5

    return Image.fromarray(overlay.astype(np.uint8))

demo = gr.Interface(
    fn=segment_image,
    inputs=[
        gr.Image(type="pil", label="इनपुट इमेज"),
        gr.Number(label="X coordinate"),
        gr.Number(label="Y coordinate")
    ],
    outputs=gr.Image(label="Segmented Image"),
    title="SAM2 - Segment Anything",
    description="ऑब्जेक्ट सेगमेंट करने के लिए निर्देशांक क्लिक करें। CLORE.AI GPU सर्वरों पर चल रहा है।"
)

demo.launch(server_name="0.0.0.0", server_port=7860)
```

## मास्क को वीडियो के रूप में निर्यात करें

```python
import cv2
import numpy as np
from sam2.build_sam import build_sam2_video_predictor

predictor = build_sam2_video_predictor(
    "configs/sam2.1/sam2.1_hiera_l.yaml",
    "./checkpoints/sam2.1_hiera_large.pt",
    device="cuda"
)

# ... (ऊपर से ट्रैकिंग कोड)

# वीडियो में निर्यात करें
fourcc = cv2.VideoWriter_fourcc(*'mp4v')
out = cv2.VideoWriter('output_masks.mp4', fourcc, 30.0, (width, height))

for frame_idx in sorted(video_segments.keys()):
    frame = cv2.imread(f"./video_frames/{frame_idx:05d}.jpg")

    # मास्क ओवरले लागू करें
    for obj_id, mask in video_segments[frame_idx].items():
        color = [0, 255, 0] if obj_id == 1 else [0, 0, 255]
        frame[mask.squeeze()] = frame[mask.squeeze()] * 0.5 + np.array(color) * 0.5

    out.write(frame.astype(np.uint8))

out.release()
```

## प्रदर्शन

| कार्य                | रिज़ॉल्यूशन | GPU      | स्पीड |
| -------------------- | ----------- | -------- | ----- |
| इमेज सेगमेंटेशन      | 1024x1024   | RTX 3090 | 50ms  |
| इमेज सेगमेंटेशन      | 1024x1024   | RTX 4090 | 30ms  |
| वीडियो (प्रति फ्रेम) | 720p        | RTX 4090 | 45ms  |
| वीडियो (प्रति फ्रेम) | 1080p       | A100     | 35ms  |

## मॉडल वेरिएंट्स (SAM2.1)

SAM2.1 पेश करता है नए `sam2.1_hiera_*` चेकपॉइंट्स बेहतर वीडियो ट्रैकिंग सटीकता के साथ:

| मॉडल                      | पैरामीटर | VRAM     | स्पीड    | गुणवत्ता      | चेकपॉइंट                     |
| ------------------------- | -------- | -------- | -------- | ------------- | ---------------------------- |
| sam2.1\_hiera\_tiny       | 38M      | 4GB      | सबसे तेज | अच्छा         | sam2.1\_hiera\_tiny.pt       |
| sam2.1\_hiera\_small      | 46M      | 5GB      | तेज़     | बेहतर         | sam2.1\_hiera\_small.pt      |
| sam2.1\_hiera\_base\_plus | 80M      | 8GB      | मध्यम    | बहुत अच्छा    | sam2.1\_hiera\_base\_plus.pt |
| **sam2.1\_hiera\_large**  | **224M** | **12GB** | **धीमा** | **सर्वोत्तम** | **sam2.1\_hiera\_large.pt**  |

> **नोट:** वीडियो बेंचमार्क्स पर SAM2.1 मॉडल अपने SAM2 समकक्षों की तुलना में लगातार बेहतर प्रदर्शन करते हैं, विशेष रूप से तेज़ी से चलने वाले ऑब्जेक्ट्स और लंबी ओक्लूज़न्स के लिए।

## सामान्य समस्याएँ और समाधान

### आउट ऑफ़ मेमोरी

**समस्या:** लंबे वीडियो पर CUDA आउट ऑफ़ मेमोरी

**समाधान:**

```python

# चंक्स में प्रोसेस करें
chunk_size = 100  # प्रति चंक फ्रेम

for start_frame in range(0, total_frames, chunk_size):
    end_frame = min(start_frame + chunk_size, total_frames)
    # चंक प्रोसेस करें...
    torch.cuda.empty_cache()  # चंक के बीच मेमोरी साफ़ करें
```

### ट्रैकिंग खो गई

**समस्या:** वीडियो के बीच में ऑब्जेक्ट ट्रैकिंग फेल हो रही है

**समाधान:**

* जब ट्रैकिंग ड्रिफ्ट करे तो करेक्ट्शन पॉइंट्स जोड़ें
* बेहतर प्रारंभिक सेगमेंटेशन के लिए बॉक्स प्रॉम्प्ट का उपयोग करें
* क्लियर प्रारंभिक फ्रेम चुनें

```python

# करेक्ट्शन पॉइंट जोड़ें
predictor.add_new_points_or_box(
    inference_state=inference_state,
    frame_idx=lost_frame,
    obj_id=obj_id,
    points=np.array([[new_x, new_y]], dtype=np.float32),
    labels=np.array([1], dtype=np.int32)
)
```

### धीमा प्रोसेसिंग

**समस्या:** वीडियो प्रोसेसिंग बहुत धीमी है

**समाधान:**

* छोटा मॉडल वेरिएंट उपयोग करें (tiny/small)
* वीडियो रिज़ॉल्यूशन घटाएँ
* हेमि-प्रेसिज़न सक्षम करें (fp16)
* A100 GPU पर प्रोसेस करें

```python

# गति के लिए छोटा SAM2.1 मॉडल उपयोग करें
predictor = build_sam2_video_predictor(
    "configs/sam2.1/sam2.1_hiera_t.yaml",
    "./checkpoints/sam2.1_hiera_tiny.pt",
    device="cuda"
)
```

### मास्क गुणवत्ता खराब

**समस्या:** सेगमेंटेशन के किनारे खुरदरे हैं

**समाधान:**

* छोटे के बजाय बड़े मॉडल का उपयोग करें (tiny के बजाय large)
* अधिक प्वाइंट प्रॉम्प्ट जोड़ें
* प्वाइंट और बॉक्स प्रॉम्प्ट को संयोजित करें

## समस्याओं का निवारण

### सेगमेंटेशन असटीक है

* लक्ष्य ऑब्जेक्ट पर अधिक सटीकता से क्लिक करें
* कई सकारात्मक/नकारात्मक पॉइंट जोड़ें
* बड़े ऑब्जेक्ट्स के लिए बॉक्स प्रॉम्प्ट का उपयोग करें

### वीडियो मेमोरी त्रुटि

* एक बार में कम फ्रेम्स प्रोसेस करें
* वीडियो रिज़ॉल्यूशन घटाएँ
* लंबे वीडियो के लिए स्ट्रीमिंग मोड का उपयोग करें

### ट्रैकिंग खो गया

* जब ऑब्जेक्ट बदलता है तो अधिक प्रॉम्प्ट जोड़ें
* मेरी बैंक फीचर का उपयोग करें
* जांचें कि ऑब्जेक्ट ओक्लूडेड तो नहीं है

### धीमा प्रोसेसिंग

* SAM2 कम्प्यूटेशन-गहन है
* लंबे वीडियो के लिए A100 का उपयोग करें
* फ्रेम स्किपिंग पर विचार करें

## लागत अनुमान

सामान्य CLORE.AI मार्केटप्लेस दरें (2024 के अनुसार):

| GPU       | घंटात्मक दर | दैनिक दर | 4-घंटे सत्र |
| --------- | ----------- | -------- | ----------- |
| RTX 3060  | \~$0.03     | \~$0.70  | \~$0.12     |
| RTX 3090  | \~$0.06     | \~$1.50  | \~$0.25     |
| RTX 4090  | \~$0.10     | \~$2.30  | \~$0.40     |
| A100 40GB | \~$0.17     | \~$4.00  | \~$0.70     |
| A100 80GB | \~$0.25     | \~$6.00  | \~$1.00     |

*कीमतें प्रदाता और मांग के अनुसार बदलती हैं। जाँच करें* [*CLORE.AI मार्केटप्लेस*](https://clore.ai/marketplace) *वर्तमान दरों के लिए।*

**पैसे बचाएँ:**

* उपयोग करें **स्पॉट** लचीले वर्कलोड के लिए मार्केट (अक्सर 30-50% सस्ता)
* भुगतान करें **CLORE** टोकन के साथ
* विभिन्न प्रदाताओं के बीच कीमतों की तुलना करें

## अगले कदम

* [GroundingDINO](/guides/guides_v2-hi/vision-models/groundingdino.md) - स्वचालित रूप से सेगमेंट करने के लिए ऑब्जेक्ट्स का पता लगाना
* [Florence-2](/guides/guides_v2-hi/vision-models/florence2.md) - विजन-लैंग्वेज समझ
* [Depth Anything](/guides/guides_v2-hi/image-processing/depth-anything.md) - डेप्थ अनुमान


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-hi/vision-models/sam2-video.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.