Segment Anything Model

已于 2023-04-07 16:54:51 修改
阅读量1.3k 收藏 1
点赞数
文章标签： 计算机视觉 机器学习 人工智能 深度学习
于 2023-04-07 16:54:02 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Maisie_Nan/article/details/130016136
版权

SAM开源代码、预训练模型以及其它资源

SAM完全开源，这也是继MetaAI贡献的LLaMA之后又一个十分卓越的开源贡献！很快，各种新的分割应用应该就会出现了！

目前，SAM开源了3个模型，即 vit_h、vit_l和vit_b，最后一个是最大的结果！

SAM官方博客地址： https://ai.facebook.com/blog/segment-anything-foundation-model-image-segmentation/ 

SAMGitHub项目开源地址： GitHub - facebookresearch/segment-anything: The repository provides code for running inference with the SegmentAnything Model (SAM), links for downloading the trained model checkpoints, and example notebooks that show how to use the model. 

SAM在线演示地址： Segment Anything | Meta AI 

SAM数据集地址： Segment Anything | Meta AI 

SAM论文地址： https://scontent-sjc3-1.xx.fbcdn.net/v/t39.2365-6/10000000_900554171201033_1602411987825904100_n.pdf

SAM（Segment Anything Model）详情 | 数据学习 (DataLearner)

Segment Anything Model（SAM）
mingo_敏
06-25 8752
SAM，即Segment Anything，它借助了NLP任务中的Prompt思路，通过给图像分割任务提供一下Prompt提示来完成任意目标的快速分割。提示可以是前景/背景点集、粗略的框或遮罩、任意形式的文本或者任何指示图像中需要进行分割的信息。该任务的输入是原始的图像和一些提示语，输出是图片中不同目标的掩码信息。
深度学习论文: UnSAMFlow: Unsupervised Optical Flow Guided by Segment Anything Model
mingo_敏
05-21 1420
传统的无监督光流方法容易受到遮挡和运动边界的影响，因为缺乏物体级别的信息。因此，提出了UnSAMFlow，这是一个无监督光流网络，利用了最新的基础模型Segment Anything Model（SAM）中的物体信息。它包含了一个针对SAM掩模量身定制的自监督语义增强模块。分析了传统平滑损失的梯度景观不佳，并提出了一个基于单应性的新平滑度定义。此外，还添加了一个简单但有效的掩模特征模块，以在物体级别上聚合特征。
万字长文从零解读SAM(Segment Anything Model)大模型！万物皆可分割！(含源码解析)
最新发布
强化学习曾小健
02-27 1888
首先，mask进入一个1x2x2x4的卷积，stride=2；在非全局注意力的Block中，将attention层输出的特征图1x70x70x768转化为1x64x64x768的特征图，实际上是通过切片操作x = x[:1, :64, :64, :]，从1x70x70x768的特征图中取出左上角的1x64x64x768部分。如下图(a)所示，模型的输入是原始的图像和一些prompt，目标是输出"valid"的分割，所谓valid，就是当prompt的指向是模糊时，模型能够输出至少其中一个mask。
大模型-Segment Anything
晓的博客
02-16 709
Segment Anything”项目旨在创建一个新的图像分割任务、模型和数据集，重点是提升模型的通用性和适应性，使其能够以零样本的方式转移到新类型的图像和任务上。核心贡献模型：开发了一种新型的图像分割模型，称为“Segment Anything Model （SAM）”。这个模型经过专门设计，可以在没有额外训练的情况下，应用于各种不同的图像分布和任务。数据集：构建了一个前所未有的大规模分割数据集，名为“SA-1B”，其中包含了超过 10 亿个掩码和 1100 万张经过授权并尊重隐私的图像。
【segment-anything】- Meta 开源万物可分割 AI 模型
KEEP的博客
04-07 6386
Meta 开源万物可分割 AI 模型：segment anything model (SAM)。 本文列举了一些资料，并从SAM的功能介绍、数据集、数据标注、图像分割方法介绍，研发思路以及对未来的展望来展开详细介绍。并综合了一些评价谈论，放眼当下和展望未来，给出了一些个人的想法和看法。
SAM(segment anything model)分割一切 Demo测试及API调用
Alexa_的博客
04-20 2万+
Meta发布一种新的语义分割模型，Segment Anything Model (SAM)。仅仅3天时间该项目在Github就收获了1.8万个star,火爆程度可见一斑。有人甚至称之为CV领域的GPT时刻。SAM都做了什么让大家如此感兴趣？- SAM与传统单纯的语义分割方式不同，加入了Prompt机制，可以将文字、坐标点、坐标框等作为辅助信息优化分割结果，这一方面增加了交互的灵活性，另一方面这也是解决图像分割中尺度问题的一次有益尝试。- 当在识别要分割的对象时遇到不确定性，SAM 能够生成多个有效掩码。
SAM：segment anything model——一个通用的图像分割基础模型
weixin_47748259的博客
01-10 7756
Segment Anything（SA）项目：一个用于图像分割的新任务、新模型和新数据集通过FM（基础模型）+prompt解决了CV中难度较大的分割任务，给计算机视觉实现基础模型+提示学习+指令学习提供了一种思路关键：加大模型容量（构造海量的训练数据，或者构造合适的自监督任务来预训练）
万物分割（Segment Anything Model）C++模型推理部署
08-02
SAM 的独特之处之一是它具有执行全景分割的能力，这涉及将实例分割和语义分割相结合。实例分割涉及识别和划分图像内每个物体实例，而语义分割涉及为图像中的每个像素标记相应的类别标签。全景分割将这两种方法结合...
[24.09.28更新NeurIPS‘24]SAM（Segment Anything Model）最新顶会文章汇总
Alan_Dr的博客
08-23 1258
SAM（Segment Anything Model）最新顶会文章汇总 24.09.28更新NeurIPS'24
【无标题】如何使Segment Anything Model (SAM)
2301_82152913的博客
10-31 1002
为了减轻耦合蒸馏的优化问题，可以采用半耦合蒸馏的方法，即在优化图像编码器时，使用一个复制并冻结的掩码解码器。去耦合蒸馏的mIoU为0.75，而耦合蒸馏的mIoU为0.72，且去耦合蒸馏的计算资源消耗不到耦合蒸馏的1%。：该问题的研究难点包括：如何在有限的训练资源下训练一个轻量级的SAM，以及如何解耦图像编码器和掩码解码器的优化，以提高训练效率和模型性能。：在有限的训练源下，直接按照原始SAM论文的方法训练新的SAM效果不佳，主要原因是图像编码器和掩码解码器的耦合优化问题。
Segment Anything Model (SAM)——卷起来了，那个号称分割一切的CV大模型他来了
Together_CZ的博客
04-06 2万+
Segment Anything Model (SAM)——卷起来了，那个号称分割一切的CV大模型他来了
一文了解视觉分割新SOTA: SAM (Segment Anything Model)
热门推荐
GarryWang1248的博客
12-21 2万+
2023年是AI技术突飞猛进的一年，如果您认为AI领域已经通过 ChatGPT、GPT4 和 Stable Diffusion 获得了快速发展，那么请不要忽略下一个突破性创新: SAM。Meta 的 FAIR 实验室发布的，是一种最先进的图像分割模型，旨在改变计算机视觉领域。SAM 基于对自然语言处理 (NLP) 产生重大影响的基础模型（Foundation Model）。它专注于提示分割任务 （promptable segmentation tasks），使用提示工程来适应不同的下游分割问题。
Segment Anything Model (SAM)——分割一切，具有预测提示输入的图像分割实践
Together_CZ的博客
04-07 7679
Segment Anything Model (SAM)——分割一切，具有预测提示输入的图像分割实践
【模型解读】【代码复现】Segment Anything Model(SAM)
lalula的博客
04-20 1万+
Meta AI的一个新的人工智能模型，只需一次点击就能 "分割出 "任何图像中的任何物体！ SAM是一个可提示的分割系统，对不熟悉的物体和图像具有zero-shot的概括性，并且不需要额外的训练。
【提示工程】视觉分割基础模型：Segment Anything Model SAM模型
Hali_Botebie的博客
05-20 1133
我们首先将自然语言处理中的提示理念应用于图像分割，将其转化为分割掩码。这里的提示可以是明确的点、框、掩码，也可以是自由形式的文本，旨在指示图像中需要分割的内容。可提示的分割任务旨在根据给定的任何提示生成有效的分割掩码。即使提示存在歧义，指向多个对象，输出的掩码也应至少能覆盖其中一个对象的合理范围。这与期望语言模型对模糊提示产生一致响应的原理相似。我们选择此任务，是因为它能引导我们开发出一种自然的预训练算法，并通过提示实现零样本迁移到各种下游分割任务。
SAM：Segment Anything
zzzyyy8的博客
10-24 1043
我们推出了“分割万物”（Segment Anything，简称SA）项目：这是一个全新的图像分割任务、模型及数据集。我们利用高效的模型构建了一个数据收集循环，从而创建了迄今为止（遥遥领先）规模最大的分割数据集，该数据集包含1100万张获得授权且尊重隐私的图像，这些图像上共有超过10亿个分割掩码。该模型经过专门设计和训练，具备可提示性，因此能够实现零样本迁移，适应新的图像分布和任务。我们在众多任务上评估了该模型的能力，发现其零样本表现十分出色——通常能与先前的全监督结果相媲美，甚至更胜一筹。
实例分割、语义分割和 SAM（Segment Anything Model）
2301_76846375的博客
10-06 4442
实例分割、语义分割和都是图像处理中的重要技术，它们的目标是通过分割图像中的不同对象或区域来帮助识别和分析图像，但它们的工作方式和适用场景各有不同。
segment anything model
01-14
Segment Anything Model (SAM) 提供了一种全新的图像分割方式，能够以最小的人工干预实现全自动可提示的图像分割[^1]。此模型特别之处在于其可以完成零样本泛化的可提示分割任务，这意味着它可以在未见过的任务上...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值