`model.predict` fails when running segmentation model on numpy images

import cv2

version = rf.workspace("model-examples").project("car-parts-instance-segmentation").version(3)
dataset = version.download("yolov8")
seg_model = version.model

first_image_path = os.listdir(f"{dataset.location}/train/images")[0]
first_image_path = f"{dataset.location}/train/images/{first_image_path}"
seg_image = cv2.imread(first_image_path)
assert seg_image is not None

# Path
result = seg_model.predict(first_image_path).json()
detections = sv.Detections.from_inference(result)
assert len(detections) > 0
# Succeeds

# Np img
result = seg_model.predict(seg_image).json()
detections = sv.Detections.from_inference(result)
assert len(detections) > 0
# Fails!

# Empty np img
result = seg_model.predict(black_image).json()
detections = sv.Detections.from_inference(result)
assert len(detections) == 0
# Fails!

Beginne damit, die Beispiele im Issue zu reproduzieren, und verfolge den Einstiegspunkt model.predict für Pfadeingaben im Vergleich zu NumPy-Bildern. Überprüfe das Verhalten für das Segmentierungsbild und das leere schwarze Bild; als erledigt gilt die Aufgabe, wenn beide Ergebnisse zurückgeben, die mit sv.Detections.from_inference konvertiert werden können, wobei das leere Bild null Detections liefert.