万物分割SAM家族 越发壮大！HQ-SAM、FastSAM 和 FasterSAM(MobileSAM)

卧剿，6万字！30个方向130篇！CVPR 2023 最全 AIGC 论文！一口气读完。

1、（更高质量）Segment Anything in High Quality

最近的 Segment Anything Model (SAM) 代表了分割模型的一大飞跃，有强大的零样本功能和灵活的提示。尽管11亿个掩码的训练，但 SAM 的掩码预测质量在许多情况下仍不尽如人意，尤其是在处理具有复杂结构的物体时。本文提出 HQ-SAM，使 SAM 具备准确分割任何对象的能力，同时保持 SAM 原有的提示设计、效率和零样本泛化能力。代码：https://github.com/SysCV/SAM-HQ

一分钟讲解SAM-HQ视频：

2、（加快）Fast Segment Anything

最近提出的万物分割模型(SAM)在许多计算机视觉任务中产生了重大影响。它正在成为许多高级任务的基础步骤，如图像分割、图像描述和图像编辑。然而，其巨大的计算成本阻碍了其在工业场景中的广泛应用。计算主要来自高分辨率输入的Transformer架构。

本文提出一种加速替代方法。发现具有实例分割分支的常规CNN检测器也可以很好地完成该任务。具体而言，将该任务转换为研究得很好的实例分割任务，并仅使用SAM作者发布的SA-1B数据集的1/50直接训练现有的实例分割方法。方法以高50倍的运行时速度实现了与SAM方法相当的性能。代码在https: //github.com/CASIA-IVA-Lab/FastSAM

一分钟讲解FastSAM视频：

3、（更快++）FASTER SEGMENT ANYTHING: TOWARDS LIGHTWEIGHT SAM FOR MOBILE APPLICATIONS

分割任何模型（SAM）是一种基于提示prompt的视觉基础模型，用于从其背景中剪切出感兴趣的对象。自Meta研究团队发布以来，SAM以其出色的零样本迁移性能和与其他模型的高度兼容性引起了广泛关注，用于高级视觉应用程序，如具有细粒度控制的图像编辑。这样的许多用例需要在资源受限的边缘设备上运行，如移动应用程序。这项工作通过用轻型图像编码器替换笨重高消耗图像编码器来使SAM对移动设备友好。

https://github.com/ChaoningZhang/MobileSAM

一分钟讲解MobileSAM视频：

关注公众号【机器学习与AI生成创作】，更多精彩等你来读

深入浅出stable diffusion：AI作画技术背后的潜在扩散模型论文解读

深入浅出ControlNet，一种可控生成的AIGC绘画生成算法！ 

经典GAN不得不读：StyleGAN

 戳我，查看GAN的系列专辑~！

一杯奶茶，成为AIGC+CV视觉的前沿弄潮儿！

最新最全100篇汇总！生成扩散模型Diffusion Models

ECCV2022 | 生成对抗网络GAN部分论文汇总

CVPR 2022 | 25+方向、最新50篇GAN论文

 ICCV 2021 | 35个主题GAN论文汇总

超110篇！CVPR 2021最全GAN论文梳理

超100篇！CVPR 2020最全GAN论文梳理

拆解组新的GAN：解耦表征MixNMatch

StarGAN第2版：多域多样性图像生成

附下载 | 《可解释的机器学习》中文版

附下载 |《TensorFlow 2.0 深度学习算法实战》

附下载 |《计算机视觉中的数学方法》分享

《基于深度学习的表面缺陷检测方法综述》

《零样本图像分类综述: 十年进展》

《基于深度神经网络的少样本学习综述》

《礼记·学记》有云：独学而无友，则孤陋而寡闻

点击一杯奶茶，成为AIGC+CV视觉的前沿弄潮儿！，加入 AI生成创作与计算机视觉 知识星球！