日韩精品一区二区三区swag_一区二区三区在线高清_亚洲国内欧美_国产精品xnxxcom

　今年4月，Meta的AI模型Segment Anything Model（SAM，分割一切模型）發(fā)布,一鍵輕松實(shí)現(xiàn)圖像分割，難怪網(wǎng)友直呼太強(qiáng)。
 
　　SAM模型之所以在計(jì)算機(jī)視覺(jué)領(lǐng)域產(chǎn)生重要影響，是因?yàn)閳D像分割是許多任務(wù)中的基礎(chǔ)步驟，比如自動(dòng)駕駛、人臉識(shí)別、車(chē)牌識(shí)別等都有用到。
 
　　在這些應(yīng)用過(guò)程中，從目標(biāo)檢測(cè)、分割再到識(shí)別的整個(gè)流程，由算法自動(dòng)完成，無(wú)需人工干預(yù)，而SAM模型正是專(zhuān)攻其中的圖像分割。
 
　　雖然SAM是圖像分割的代表性模型，但不可避免存在以下短板：
 
　　1.它能夠處理圖片分割，但是不能處理視頻，尤其是不能對(duì)視頻里邊移動(dòng)的物體做連續(xù)追蹤。
 
　　2.它能分割，但是并不認(rèn)識(shí)所分割的區(qū)域到底是什么。
 
　　3.它存在過(guò)度分割的問(wèn)題，經(jīng)常把一個(gè)完整的物體分割成不同的部分，而人是把目標(biāo)作為整體看待的。
 
　　一、SAV模型
 
　　現(xiàn)在，云創(chuàng)數(shù)據(jù)（835305.BJ）在SAM和YOLOv8的基礎(chǔ)上，“分割一切”模型的進(jìn)化版——分割一切視頻Segment-Any-Video(SAV)來(lái)了，進(jìn)一步豐富了計(jì)算機(jī)視覺(jué)成果。
 

圖片SAV模型（圖片來(lái)源:SAV）
 
　　作為一種新的圖像、視頻分割方法，SAV可以在圖片或視頻中實(shí)現(xiàn)全自動(dòng)標(biāo)注，一鍵分割物體。
 
　　同時(shí)，基于Zero-Shot Transfer（零樣本遷移），SAV無(wú)需額外訓(xùn)練，即使是訓(xùn)練庫(kù)中沒(méi)有的圖片，也可以實(shí)現(xiàn)輕松分割。
 
　　與SAM相比，SAV升級(jí)主要表現(xiàn)在以下方面：
 
　　1.既可以分割圖片，也可以分割視頻；
　　2.可以明確目標(biāo)對(duì)象并打標(biāo)簽；
　　3.可得到語(yǔ)義上完整的目標(biāo)區(qū)域。
 

圖片SAV與SAM圖像分割對(duì)比結(jié)果（圖片來(lái)源:SAV）
 
　　從上圖可以看出，SAV將巴士、小汽車(chē)等分割成一個(gè)個(gè)完整的區(qū)域，而SAM是把這些單個(gè)的物體又分割為不同的區(qū)域。
 
　　除了圖片以外，通過(guò)SAV，視頻也可以進(jìn)行清晰的目標(biāo)分割和追蹤。
 
　　二、示例
 
　　現(xiàn)在，我們?cè)诰W(wǎng)頁(yè)版 demo (http://sav.cstor.cn)上體驗(yàn)一下SAV，可以直觀地感受SAM和SAV兩者的差異。
 
　　在首頁(yè)可任意選擇一張示例圖片，也可從本地上傳圖片，然后點(diǎn)擊Segment按鈕，就可以同時(shí)得到SAM和SAV的結(jié)果。
 

demo首頁(yè)示例圖片（圖片來(lái)源:SAV）
 


圖片分割結(jié)果：左側(cè)為SAM，右側(cè)為SAV（圖片來(lái)源:SAV）
 
　　如果需要觀察某個(gè)實(shí)例的詳細(xì)效果，鼠標(biāo)放置原圖，移動(dòng)鼠標(biāo)即可。
 


圖片移動(dòng)鼠標(biāo)查看詳細(xì)分割效果（圖片來(lái)源:SAV）
 
　　在上圖中，由SAV分割的兩只小狗是完整而獨(dú)立的色塊，并不像左邊分割結(jié)果所展示——小狗耳朵顏色和身體部分顏色不一，不是完整的目標(biāo)對(duì)象。同時(shí)，SAV分割的兩只小狗都打上了“dog”的標(biāo)簽。
 
　　需要說(shuō)明的是，本項(xiàng)目只關(guān)注算法自動(dòng)分割的應(yīng)用場(chǎng)景，所以SAV無(wú)需人工輸入點(diǎn)、曲線、矩形框等提示信息。
 
　　更多示例如下：
 

 

 


圖片圖片分割結(jié)果對(duì)比（圖片來(lái)源:SAV）
 
　　三、原理
 
　　如前所述， SAM的自動(dòng)分割不返回標(biāo)簽信息，并且一個(gè)實(shí)例（例如，一輛車(chē)）可能會(huì)被拆分成多個(gè)小區(qū)域。
 

自動(dòng)分割模式下，SAM不返回標(biāo)簽信息，車(chē)輛被分割成多個(gè)區(qū)域（圖片來(lái)源:SAM）
 
　　基于此，研發(fā)團(tuán)隊(duì)在SAM的基礎(chǔ)上加入YOLOv8檢測(cè)模型，YOLOv8返回的結(jié)果中包含目標(biāo)框、類(lèi)別及置信度，目標(biāo)框可作為提示信息輸入到SAM，類(lèi)別名稱(chēng)即為標(biāo)簽，因此SAM加YOLOv8可有效地解決上述問(wèn)題。
 
　　該方法同樣可用于視頻分割任務(wù)，與處理單幅圖像不同的是，除了分割，我們通常更關(guān)心目標(biāo)的運(yùn)動(dòng)軌跡、目標(biāo)重識(shí)別，以及如何實(shí)現(xiàn)一鍵摳視頻等。因此研發(fā)團(tuán)隊(duì)在SAM和YOLOv8的基礎(chǔ)上加入跟蹤算法，持續(xù)關(guān)注感興趣的目標(biāo)，這樣比單純地分割每幀圖像更有實(shí)際意義。
 
　　考慮到使用