工业领域细分 -- 航空制造业中的案例研究：内部物流、维修与修复

Jul, 2023

工业领域细分 -- 航空制造业中的案例研究：内部物流、维修与修复

Industrial Segment Anything -- a Case Study in Aircraft Manufacturing, Intralogistics, Maintenance, Repair, and Overhaul

PDF

Keno Moenck, Arne Wendt, Philipp Prünte, Julian Koch, Arne Sahrhage...

TL;DR在航空制造专业领域中，部署基于深度学习的应用程序通常会遇到训练数据可用性的问题。最近在 Vision Foundation Models (VFM) 的研究优势方面，开辟了一个具有高泛化能力的非语义和语义预测的任务和模型的新领域。尽管如此，在特定领域内探索其应用仍在进行中。本文通过调研在航空生产中特定用例中 SAM 的应用来做出贡献，并包括制造、内部物流以及维护、修理和翻新过程，同时也涵盖了其他邻近的工业领域。除了展示各种用例外，我们进一步讨论了领域知识的注入。

Abstract

Deploying deep learning-based applications in specialized domains like the aircraft production industry typically suffers from the training data availability problem. Only a few datasets represent non-everyday objects, situations, and tasks. Recent advantages in research around Vision

deep learning-based applications training data availability vision foundation models zero-shot capabilities aircraft production-specific use cases

发现论文，激发创造

探究 SAM 在不同实际应用中的问题：任何东西的分段并不总是完美的

这篇研究论文讨论了 Segment Anything Model 在各个领域的表现及其未来发展前景，并提供了有助于未来研究活动的洞见，以完成通用分割任务。

Apr, 2023

视觉及其它领域分割模型综述

该研究综述了近年来提出的一种称为 SAM 的基础模型，对其的应用于图像处理的各种任务和数据类型进行了分析和总结，并指出了其优点和局限性，为开发更多功能的基础模型和改善 SAM 架构提供了启示。

May, 2023

关于区分任何模型（SAM）的调查：视觉基础模型遇见促进工程

该文通过第一次全面调查介绍了受到重大关注的 Meta AI Research 开发的 Segment anything model（SAM）的性能表现和多种应用情况，并呼吁读者对该模型进行新的研究以促进其进一步发展。

May, 2023

从空间中分割任何物体？

研究了针对视觉任务开发的第一个基础模型，称为 Segment Anything Model（SAM）。SAM 可以基于便宜的输入提示，如一个或多个点、边界框或掩码，在输入的图像中分割对象。作者在大量的视觉基准任务中研究了 SAM 的零样本图像分割准确性，并发现 SAM 通常实现了与目标任务上进行了训练的视觉模型类似或有时超过其识别精度。他们检查了 SAM 在多样化、广泛研究的基准任务集上的表现。然而，作者还研究了 SAM 在航空图像问题中的表现，他们发现虽然 SAM 在航空图像上通常表现良好，但在某些情况下由于航空图像和目标对象的独特特征而失败。

Apr, 2023

分段大杂烩遇上语义交流

本文提出了一种基于 Segment Anything Model（SAM）的语义编码方法，SAM 作为一种可提示的图像分割模型，在不需要显示训练或具体领域知识的情况下能够完成零样本分割任务，通过应用 SAM 的分割能力和轻量级的神经网络架构进行语义编码，实现了对图像重建质量的提高和通信开销的降低。

Jun, 2023

医学成像通用视觉基础模型：零样本医学分割中的 “分割任意物体模型” 案例研究

本研究使用 Segment Anything Model 在医疗图像上进行了定量和定性的零 - shot 分割实验，并发现虽然其在一般领域的图像中表现出色，但在医疗图像中存在一定的局限性，特别是在结构性目标上，而针对这些问题的数量有限的微调可以带来明显的改进。此研究表明了通用视觉基础模型在解决医疗成像中的特定任务方面的多功能性，并展现了这些模型通过微调最终可以应对获取大量不同的医学数据集和应对医学领域的复杂挑战的巨大潜力。

Apr, 2023

探索 SAM 模型在二维医学图像中的零样本能力：全面评估与实践指南

本研究评估了 SAM 2D 在医学成像中的零样本能力，结果显示其性能与目前的最新技术相当甚至更好，并提出一项实用的指南以获得在所有评估上都具有鲁棒性的结果。

Apr, 2023

评估人工智能基础模型在永久冻土映射中的泛化能力

评估新兴的计算机视觉基础模型及其在自然景观要素分割中的性能，通过测试 Meta 的 Segment Anything Model (SAM) 在零样本性能、领域适应性和理论上限预测准确性等方面来评估其大型 AI 视觉模型的性能，并指出了改进的空间，以在具有挑战性的地理空间领域中支持 AI 辅助的地形制图。

Jan, 2024

家禽科学的 SAM

此研究旨在评估 SAM 在代表性的鸡分割任务（包括基于部件的分割和红外热成像的使用）中的零样本分割效果，并探索使用 SAM 作为分割工具的鸡追踪任务。研究结果表明，与 SegFormer 和 SETR 相比，在整体和基于部件的鸡分割方面，SAM 具有卓越的性能。基于 SAM 的对象跟踪还为肉禽鸟的行为和移动模式提供了有价值的数据。

May, 2023

将 “Promoting Segment Anything Model towards Highly Accurate Dichotomous Image Segmentation” 翻译为专业简体中文

通过输入「Segment Anything Model」（SAM）的简单提示框，并将 SAM 的结果输出作为 IS5Net 的输入，可以极大地提高高精度的二元图像分割的效果。

Dec, 2023