小模型也可以「分割一切」，Meta改进SAM，参数仅为原版5%

AIGC动态欢迎阅读

原标题：小模型也可以「分割一切」，Meta改进SAM，参数仅为原版5%

关键字：编码器,图像,模型,特征,任务

文章来源：机器之心

内容字数：6437字

内容摘要：机器之心报道编辑：陈萍、蛋酱对于 2023 年的计算机视觉领域来说，「」（Segment Anything Model）是备受关注的一项研究进展。Meta四月份发布的「分割一切模型（SAM）」效果，它能很好地自动分割图像中的所有内容Segment Anything 的关键特征是基于提示的视觉 Transformer（ViT）模型，该模型是在一个包含来自 1100 万张图像的超过 10 亿个掩码的视觉数据集 SA-1B 上训练的，可以分割给定图像上的任何目标。这种能力使得 SAM 成为视觉领域的基础模型，并在超出视觉之外的领域也能产生应用价值。尽管有上述优点，但由于 SAM 中的 ViT-H 图像编码器有 632M 个参数（基于提示的解码器只需要 387M 个参数），因此实际使用 SAM 执行任何分割任务的计算和内存成本都很高，这对实时应用来说具有挑战性。后续，研究者们也提出了一些改进策略：…

原文链接：点此阅读原文：小模型也可以「分割一切」，Meta改进SAM，参数仅为原版5%

联系作者

文章来源：机器之心

作者微信：almosthuman2014

作者简介：专业的人工智能媒体和产业服务平台