炙手可热！SAM+目标检测！最新idea霸榜CVPR！

今天给大家推荐一个能发高区且不卷的思路：基于SAM做目标检测！

一方面，SAM才提出一年多，基于它做目标检测，还在蓝海阶段，创新机会很多！且在CVPR、NeurIPS等顶会上，也有不少成果供我们参考。比如性能飙升82.31％的SAM-PM；免训练的VL-SAM……

另一方面，它在提高检测准确性、泛化性等方面，具有不可替代的作用！与传统目标检测算法相比，SAM不仅能更准确、高效地分割出图像中的目标对象，还能处理复杂场景中的多个目标，这对提高检测性能大有裨益！更特别的是，它不需要事先知道目标类别，能应用于各种未知或新的目标检测任务，而无需重新训练或微调。

为让大家能够掌握领域的主流研究方法，早点发出顶会，我给大家准备了10种创新思路，原文和源码都有！

论文原文+开源代码需要的同学看文末

Endow SAM with Keen Eyes: Temporal-spatial Prompt Learning for Video Camouflaged Object Detection

内容：论文提出了一种名为TSP-SAM的新方法，用于视频伪装目标检测。该方法通过时间空间提示学习，赋予了SAM模型更敏锐的“视觉”，无需用户提供提示即可捕捉伪装目标的运动线索，并通过长程一致性增强自提示的鲁棒性，从而显著提高了检测精度。为了消除帧间不连续性导致的提示偏差，TSP-SAM考虑视频序列内的长程一致性，以增强自提示的鲁棒性。

SAM-PM:Enhancing Video Camouflaged Object Detection using Spatio-Temporal Attention

内容：论文介绍了一种名为SAM-PM的方法，该方法通过利用时空注意力机制来增强视频伪装目标检测的性能。这种方法通过分析视频中的目标运动和空间特征，提高了对伪装目标的识别和分割能力。

Training-Free Open-Ended Object Detection and Segmentation via Attention as Prompts

内容：论文介绍了VL-SAM，一个无需额外训练的框架，它结合了视觉语言模型（VLM）和分割任何事物模型（SAM）来解决开放性对象检测和分割任务。VL-SAM利用VLM生成的注意力图作为提示，指导SAM进行对象分割，通过头部聚合和正则化注意力流机制来聚合和传播注意力图，从而生成高质量的注意力图，并采用迭代细化策略来提高分割精度。

IRSAM: Advancing Segment Anything Model for Infrared Small Target Detection

内容：论文介绍了IRSAM模型，它是为了提高在红外图像中检测小目标的性能而设计的。IRSAM通过改进现有的SAM的编码器-解码器架构，增加了基于Perona-Malik扩散方程的模块和粒度感知解码器，以更好地捕捉红外小目标的特征。具体来说，IRSAM模型设计了一个基于Perona-Malik扩散的块，并将其合并到SAM编码器的多个级别中，这有助于在抑制噪声的同时捕捉基本的结构。

码字不易，欢迎大家点赞评论收藏！

关注下方《AI科研技术派》

回复【SAMO】获取完整论文

👇