Dec, 2023

AI-SAM: 自动交互式分段模型

HTML
PDF
TL;DR我们介绍了一种新颖的范式及其第一个模型：自动与交互式分割模型（AI-SAM）。在这个范式中，我们对提示品质进行了全面分析，并引入了创新的自动与交互式提示器（AI-Prompter），它在自动生成初始点提示的同时接受额外的用户输入。我们的实验结果证明了AI-SAM在自动设置下的有效性，实现了最先进的性能。更重要的是，它提供了灵活性以整合额外的用户提示，从而进一步提升性能。项目页面可在链接提供的URL中找到。
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

  • SAMAug：点提示增强分段模型

    本篇文章介绍了SAMAug，这是一种新颖的视觉点增强方法，用于增强交互式图像分割性能。SAMAug通过生成增强点提示提供更多信息以提高SAM的信息提取能力，从而提高交互式计算机视觉的性能。

    Jul, 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

  • 学习对呼叫分段任何模型

    通过空间-语义提示学习有效的语义和空间提示，优化了 SAM 模型在图像分割性能上的效果。

    Jan, 2024

  • 从SAM到SAM 2：探索Meta的Segment Anything模型的改进

    本研究解决了在计算机视觉中自动分割对象的精确性和效率不足的问题。通过扩展Segment Anything Model（SAM）至视频，SAM 2利用前后帧的记忆生成准确的全视频分割，提供近实时性能。该工作显示出SAM的演变以及未来在计算机视觉技术改进中的重要性。

    Aug, 2024

  • SAM-REF：重新思考图像与提示的协同作用以细化分割

    本研究解决了现有分割模型在处理提示信息与图像结合时的低效和信息提取不足的问题。提出的SAM-REF框架通过两阶段的细化过程，实现了图像与提示的全局和局部有效整合，结合了早期结合的精确性与晚期结合的高效性。实验结果表明，该方法在复杂场景的多次交互中表现出卓越的有效性和高效性，超越了当前的先进模型。

    Aug, 2024

  • 自我提示使SAM重新焕发光彩

    该研究针对Segment Anything Model（SAM）在特定领域（如医学图像）应用时性能下降的问题，提出了一种新颖的自我提示微调方法（SAM-SP）。这一方法减少了对专家级提示的依赖，提高了模型的适用性和分割性能，实验结果验证了其在各种特定领域数据集中的有效性。

    Aug, 2024

  • 高效的任意分割模型变体：综述

    本研究针对Segment Anything Model（SAM）在图像分割任务上的高计算和资源需求问题，提出了一种高效的变体综述，以解决在资源有限环境下的部署挑战。通过对各类加速策略的深入分析，本论文提供了对这些高效变体的统一评估，揭示了其效率与准确性的比较，为后续研究提供了重要参考。

    Oct, 2024