X-AnyLabeling项目中Segment Anything 2标注点坐标的JSON格式扩展方案

背景与需求分析

在图像分割标注工具X-AnyLabeling中，Segment Anything 2（SAM2）作为核心算法之一，其输出结果通常以JSON格式保存。标准输出包含分割掩膜、置信度等基础信息，但在实际应用场景中，用户可能需要额外记录交互式标注过程中的正负样本点坐标数据。

技术实现路径

1. 源码层面的修改方案

要实现将正负样本点坐标写入JSON文件，需要深入理解SAM2在X-AnyLabeling中的实现架构。关键修改点应集中在标注交互处理模块：

# 伪代码示例：标注点数据结构扩展
class AnnotationPoint:
    def __init__(self, x, y, is_positive=True):
        self.coord = (x, y)  # 坐标信息
        self.type = "positive" if is_positive else "negative"  # 点类型

2. JSON序列化扩展

在结果导出阶段，需要扩展现有的JSON序列化逻辑，将点标注信息整合到输出结构中：

{
    "segmentation": [...],
    "confidence": 0.95,
    "interactive_points": {
        "positive": [[x1,y1], [x2,y2]],
        "negative": [[x3,y3], [x4,y4]]
    }
}

替代方案建议

对于暂时不想修改源码的用户，可以考虑以下临时解决方案：

1. 日志记录法：通过Python的logging模块记录交互点信息
2. 元数据附加：利用JSON文件的metadata字段存储额外信息
3. 并行存储：单独创建.points文件存储坐标数据

实现注意事项

1. 坐标系统一致性：确保记录的坐标与图像坐标系匹配
2. 数据版本控制：建议在JSON中添加version字段以兼容后续修改
3. 性能考量：大量点标注时需注意JSON文件体积增长问题

总结

在X-AnyLabeling中扩展SAM2的输出格式需要理解其标注数据流的处理机制。通过合理修改标注点数据结构和序列化逻辑，可以实现专业级的标注信息记录。对于生产环境使用，建议采用渐进式改进策略，先在小范围测试验证后再全面部署。

对于计算机视觉标注团队，完整记录交互过程数据将有助于后续的模型迭代和标注质量分析，是构建高质量数据集的重要实践。