admin
5ab4602535
- 接入 SAM2 视频传播能力：新增 /api/ai/propagate，支持用当前帧 mask/polygon/bbox 作为 seed，通过 SAM2 video predictor 向前、向后或双向传播，并可保存为真实 annotation。 - 接入 SAM3 video tracker：通过独立 Python 3.12 external worker 调用 SAM3 video predictor/tracker，使用本地 checkpoint 与 bbox seed 执行视频级跟踪，并在模型状态中标记 video_track 能力。 - 完善 SAM 模型分发：sam_registry 按 model_id 明确区分 sam2 propagation 与 sam3 video_track，避免两个模型链路混用。 - 打通前端“传播片段”：VideoWorkspace 使用当前选中 mask 和当前 AI 模型调用后端传播接口，传播结果回写并刷新工作区已保存标注。 - 增强 SAM3 本地 checkpoint 配置：新增 sam3_checkpoint_path 配置和 .env.example 示例，状态检查改为基于本地 checkpoint/独立环境/模型包可用性。 - 完善视频拆帧参数：/api/media/parse 支持 parse_fps、max_frames、target_width，后端任务保存帧时间戳、源帧号和 frame_sequence 元数据。 - 增加运行时 schema 兼容处理：启动时为旧 frames 表补充 timestamp_ms 和 source_frame_number 列，避免旧库升级后缺字段。 - 强化 Canvas 标注编辑：补齐多边形闭合、点工具、顶点拖拽、边中点插入、Delete/Backspace 删除、区域合并和重叠去除等交互。 - 增强语义分类联动：选中 mask 后可通过右侧语义分类树更新标签、颜色和 class metadata，并同步到保存/导出链路。 - 增加关键帧时间轴体验：FrameTimeline 显示具体时间信息，并支持键盘左右方向键切换关键帧。 - 完善 AI 交互分割参数：前端保留正向点、反向点、框选和 interactive prompt 的调用状态，支持 SAM2 细化候选区域与 SAM3 bbox 入口。 - 扩展后端/前端 API 类型：新增 propagateMasks、传播请求/响应 schema，并补齐 annotation、导出、模型状态和任务接口的测试覆盖。 - 更新项目文档：同步 README、AGENTS、接口契约、需求冻结、设计冻结、前端元素审计、实施计划和测试计划，标明真实功能边界与剩余风险。 - 增加测试覆盖：补充 SAM2/SAM3 传播、SAM3 状态、媒体拆帧参数、Canvas 编辑、语义标签切换、时间轴、工作区传播和 API 合约测试。 - 加强仓库安全边界：将 sam3权重/ 加入 .gitignore，避免本地模型权重被误提交。 验证：npm run test:run；pytest backend/tests；npm run lint；npm run build；python -m py_compile；git diff --check。
156 lines
7.3 KiB
Markdown
156 lines
7.3 KiB
Markdown
# 后续实施建议
|
||
|
||
目标是把当前“能看、能上传、能拆帧”的系统推进到“能真实完成标注闭环”的系统。
|
||
|
||
## 阶段 1：先修接口契约（已完成基础对齐）
|
||
|
||
优先级最高。AI 点/框推理和 COCO 导出的基础契约已经按当前代码完成对齐。
|
||
|
||
已完成：
|
||
|
||
1. `src/lib/api.ts` 的 `updateProject()` 已改为 `PATCH`。
|
||
2. `exportCoco()` 路径已改为 `/api/export/{projectId}/coco`。
|
||
3. Canvas 调 AI 时已使用当前帧真实 `frame.id` 作为 `image_id`。
|
||
4. Canvas 点/框坐标已转成后端需要的归一化坐标。
|
||
5. 后端 `polygons` 已转成前端可渲染的 Konva path。
|
||
|
||
剩余边界：
|
||
|
||
1. SAM 3 已完成独立 Python 3.12 环境安装脚本、外部 worker 桥接、本地 `sam3权重/sam3.pt` checkpoint 状态检查、本地 checkpoint 加载参数接入、单帧文本/框提示和 video tracker API 入口；下一步需要基于真实业务帧验证语义召回质量和视频 tracker 稳定性。
|
||
2. 标注删除/更新接口已打通基础能力；逐点几何编辑器已支持顶点拖动/删除、边中点插入和多 polygon 子区域选择编辑，复杂洞结构仍待增强。
|
||
|
||
## 阶段 2：打通标注保存（已完成基础闭环）
|
||
|
||
当前工作区可将未保存 mask 写入后端标注表，并在加载项目帧后回显。
|
||
|
||
已完成：
|
||
|
||
1. 前端根据 `Mask.segmentation` 构造后端需要的 normalized `mask_data.polygons`。
|
||
2. 用户点击“结构化归档保存”后，未保存 mask 调用 `POST /api/ai/annotate`，dirty mask 调用 `PATCH /api/ai/annotations/{annotation_id}`。
|
||
3. 后端保存或更新 `project_id`、`frame_id`、`template_id`、`mask_data`、`bbox`；具体分类写入 `mask_data.class`。
|
||
4. 工作区加载帧后调用 `GET /api/ai/annotations` 回显已保存标注。
|
||
5. 工作区“清空遮罩”调用 `DELETE /api/ai/annotations/{annotation_id}` 删除当前帧已保存标注。
|
||
|
||
剩余建议：
|
||
|
||
1. 加入保存冲突处理和批量保存错误提示。
|
||
2. 逐点几何编辑器已支持拖动/删除顶点、边中点插入新点和多 polygon 子区域编辑；后续增强为复杂洞结构编辑。
|
||
3. 区域合并/去除已支持基础 union/difference；后续增强为更明确的多选列表、操作预览和冲突确认。
|
||
|
||
## 阶段 3：接入导出按钮（已完成 COCO JSON 和 PNG Mask ZIP）
|
||
|
||
当前工作区“导出 JSON 标注集”和“导出 PNG Mask ZIP”都会先保存未归档 mask，再调用后端导出接口。
|
||
|
||
已完成：
|
||
|
||
1. COCO JSON 调用 `/api/export/{projectId}/coco`。
|
||
2. PNG Mask ZIP 调用 `/api/export/{projectId}/masks`。
|
||
3. ZIP 内保留单标注二值 `mask_*.png`，同时输出 `semantic_frame_*.png` 和 `semantic_classes.json`。
|
||
|
||
剩余建议：
|
||
|
||
1. 无标注时给出更明确的空导出提示。
|
||
|
||
## 阶段 4：替换 Dashboard mock
|
||
|
||
当前 Dashboard 已通过 `GET /api/dashboard/overview` 读取后端聚合快照，不再使用硬编码初始统计、队列或活动日志。
|
||
|
||
已完成：
|
||
|
||
- 聚合项目、帧、标注、模板数量和主机 load average。
|
||
- 按 `processing_tasks` queued/running/failed/cancelled 任务生成解析队列。
|
||
- 按最近任务、项目、标注、模板记录生成活动流。
|
||
|
||
已完成补充：
|
||
|
||
1. Dashboard 对 queued/running 任务提供取消按钮。
|
||
2. Dashboard 对 failed/cancelled 任务提供重试按钮。
|
||
3. Dashboard 详情弹窗展示任务 error、payload、result、Celery ID 和时间。
|
||
|
||
剩余建议：
|
||
|
||
1. 为 Dashboard 增加任务历史筛选。
|
||
|
||
## 阶段 5：异步拆帧和进度
|
||
|
||
Word 方案中提到 Celery + Redis。当前已经有 Celery app、worker task 和 `processing_tasks` 表。
|
||
|
||
已完成：
|
||
|
||
1. 新建 Celery app。
|
||
2. `POST /api/media/parse` 只创建任务并立即返回 task id。
|
||
3. worker 执行 FFmpeg/OpenCV/pydicom。
|
||
4. worker 写 PostgreSQL 任务进度。
|
||
5. worker 发布 Redis `seg:progress`，FastAPI 广播到 `/ws/progress`。
|
||
|
||
已完成补充：
|
||
|
||
1. `POST /api/tasks/{task_id}/cancel` 取消 queued/running 任务，并尝试 revoke Celery。
|
||
2. `POST /api/tasks/{task_id}/retry` 为 failed/cancelled 任务创建新的 queued 任务。
|
||
3. worker 在关键阶段检查 cancelled 状态，避免取消后继续写帧。
|
||
4. Redis/WebSocket 进度事件增加 `cancelled` 类型。
|
||
|
||
Dashboard 的解析队列现在已经从“项目状态派生”升级为任务表驱动，实时推送也已通过 Redis/WebSocket 打通；剩余重点是任务历史筛选和更细的 worker 中断粒度。
|
||
|
||
## 阶段 6：GT 导入与点区域（已完成基础增强版）
|
||
|
||
Word 方案中的完整版本包含距离变换、骨架提取和聚类。当前已经完成基础增强版：导入二值/标签 mask 图片后，后端按非零像素值拆分类别，再按连通域生成 polygon 标注，并用距离变换提取一个正向 seed point。
|
||
|
||
已完成：
|
||
|
||
1. 工作区提供“导入 GT Mask”入口。
|
||
2. 前端调用 `POST /api/ai/import-gt-mask` multipart 接口。
|
||
3. 后端按非零像素值拆分多类别 mask。
|
||
4. 后端使用 OpenCV contour 提取每个类别下的连通域。
|
||
5. 后端使用 distance transform 生成 `points` seed。
|
||
6. 导入结果写入 `annotations` 表并回显为工作区 mask。
|
||
7. 前端把 seed point 转为像素坐标显示在 Canvas 上，拖动后会标记标注为 dirty 并可归档保存。
|
||
|
||
剩余建议：
|
||
|
||
1. 增加骨架提取和聚类增强。
|
||
2. 为多类别像素值提供模板分类自动映射规则。
|
||
|
||
## 阶段 7：模板优先级融合（已完成导出侧裁决）
|
||
|
||
当前导出 PNG Mask ZIP 时已经按 class/template z-index 做重叠裁决，从低到高覆盖，生成每帧 `semantic_frame_*.png`。
|
||
|
||
已完成：
|
||
|
||
1. 标注保存时记录 template class id / name / zIndex。
|
||
2. 导出 mask 时按 zIndex 从低到高覆盖。
|
||
3. 同类语义值在融合图中共享同一个 class value。
|
||
4. 跨类重叠由高 zIndex 覆盖低 zIndex。
|
||
|
||
剩余建议：
|
||
|
||
1. 在前端预览重叠裁决结果。
|
||
2. 对多帧多类导出增加颜色 palette PNG 或可视化 legend。
|
||
|
||
## 阶段 7.5：视频片段传播（已完成基础闭环）
|
||
|
||
当前工作区“传播片段”会使用当前选中 mask 或当前帧第一个 mask 作为 seed，默认向后传播 30 帧并把结果写入后端标注表。
|
||
|
||
已完成：
|
||
|
||
1. 前端 `propagateMasks()` 已接入 `POST /api/ai/propagate`。
|
||
2. 工作区按钮会把 seed mask 的 normalized polygon、bbox、label、color 和 class 元数据传给后端。
|
||
3. SAM 2 路径使用官方 `SAM2VideoPredictor.add_new_mask()` 和 `propagate_in_video()`。
|
||
4. SAM 3 路径通过 `sam3_external_worker.py` 调用独立 Python 3.12 环境中的官方 `build_sam3_video_predictor()`。
|
||
5. 后端会跳过源帧，把传播结果保存到后续帧 `annotations`，并在完成后由前端刷新回显。
|
||
|
||
剩余建议：
|
||
|
||
1. 把传播任务改为异步任务，接入 Dashboard 和 WebSocket 进度。
|
||
2. 前端增加传播方向、帧数和覆盖已有标注策略设置。
|
||
3. 用真实长视频分别做 SAM 2 / SAM 3 tracker smoke test 和质量评估。
|
||
|
||
## 阶段 8：清理 UI 文案与 Mock
|
||
|
||
建议统一这些文案和真实能力：
|
||
|
||
- SAM/GPU 状态已改为 `GET /api/ai/models/status` 驱动。
|
||
- 撤销/重做按钮已接全局 mask 历史栈。
|
||
- “重新提取内侧中轴树骨架”接真实接口，否则标为未实现。
|
||
- AI 独立页不要固定 Unsplash 图，应从当前项目帧或上传文件进入。
|