图像分割
文章平均质量分 76
AIWalker-Happy
Happy专注于底层视觉处理,对基础AI技术保持学习心态
展开
-
EfficientSAM | 借助MIM机制,MetaAI让SAM更高效!
本文介绍了一种名为EfficientSAM的模型,该模型通过利用遮罩图像预训练来提高图像分割的性能。作者使用了一个名为SAMI的方法,通过将SAM图像编码器的特征作为重建目标,从SAM图像编码器中重建特征,从而实现遮罩图像预训练。作者还使用SAMI预训练的轻量级图像编码器构建了EfficientSAM模型,并在SA-1B数据集上进行了验证。实验结果表明,EfficientSAM模型在图像分类、目标检测、实例分割和语义分割等任务中均取得了比其他预训练方法更好的性能。原创 2024-02-27 12:30:56 · 437 阅读 · 0 评论 -
SAM轻量化的终点竟然是RepViT + SAM
本文首发:AIWalker,欢迎关注~~殊途同归!,移动端速度可达38.7fps。对于 2023 年的计算机视觉领域来说,「分割一切」(Segment Anything Model)是备受关注的一项研究进展。尽管SAM具有各种优势,但速度慢是其不得不提的一个缺点,端侧根本就跑不动。。就在今日,arXiv上同时公开两篇SAM轻量化的方法,更巧合的是两者采用了;。在AIWalker后台回复【】即可下载原文与中文译文该方案延续了。原创 2024-02-25 11:14:28 · 727 阅读 · 0 评论 -
端侧显著性检测新高度,OPPO提出面向真实场景的PSUNet
在高分辨率场景下,。它们受到用于高分辨率图像的公共数据集和高效网络模块的质量的限制。为了缓解这些问题,我们。考虑到移动部署框架的高效推理,。在高分辨率基准数据集上,。客观评价结果优于U2Net,后者的参数值是我们网络的10倍。。在主观评价上,评价结果优于行业基准IOS16(背景式提标)。原创 2024-02-25 11:13:33 · 320 阅读 · 1 评论 -
375FPS! 谷歌提出MaskConver“重校正用于全景分割的纯卷积模型
近年来,基于Transformer的模型由于其强大的建模能力以及对语义类和实例类的统一表示为全局二值掩码,在全景分割中占据主导地位。在本文中,。在这种程度上,它创建了一个轻量级类嵌入模块,当多个中心共存于同一位置时,可以打破这种联系。此外,我们的研究表明,。我们介绍了一个功能强大的,它缩小了卷积和基于Transfoormer模型之间的性能差距。原创 2024-02-25 11:12:25 · 886 阅读 · 0 评论 -
BRIA.AI开源最强AI一键抠图模型RMBG,超简上手体验
本文首发:欢迎关注,近距离接触底层视觉与基础AI技术近日,团队于开源了一个基于ISNet背景移除模型,它可以有效对前景与背景进行分离。RMBG-1.4在精心构建的数据集上训练而来,该数据包含常规图像、电商、游戏以及广告内容,该方案达到了商业级性能,但仅限于非商业用途。。更详细的数据分布介绍请移步[,用户只需要上传图片即可体验。原创 2024-02-25 10:12:34 · 2788 阅读 · 2 评论