新AI图像肢解要领GenSAM：一个提醒完成批量图片肢解 （）1月8日 音讯:近期

划重心:

- 🔄 GenSAM模子旨在通过通用恣意形容，新A像肢醒完挣脱对样本一定提醒的解领解依托，完成对图像的个提有针对性肢解 。

- 🔍 该模子运用Cross-modal Chains of Thought Prompting（CCTP）头脑链和Progressive Mask Generation(PMG)框架，成批以色列出国劳务派遣完成恣意通用的量图文本提醒映照和自顺应肢解。

- 🚀 试验注明 ，片肢GenSAM在装作样本肢解恣意上相比基线要领和弱监视要领展现更好，新A像肢醒完具有优越的解领解泛化性能。

（）1月8日 音讯:近期 ，个提钻研职员提出了一种新型图像肢解要领 ，成批称为Generalizable SAM（GenSAM）模子。量图出国劳务信息可靠吗该模子的片肢设想宗旨是通过通用恣意形容 ，完成对图像的新A像肢醒完有针对性肢解
 ，挣脱了对样本一定提醒的解领解依托。在详细恣意中  ，个提给定一个恣意形容 ，出国劳务信息网抚顺譬如“装作样本肢解”，模子需要依据恣意形容准确地肢解图像中装作的植物 ，而不依托于手动提供每一个图像的详细提醒  。

为知道决这一问题，GenSAM模子引入了Cross-modal Chains of Thought Prompting（CCTP）头脑链和Progressive Mask Generation(PMG)框架 。CCTP头脑链通过将恣意通用的文本提醒映照到恣意下的整个图片上，天生特性化的感兴致物体和其配景的共识热力争
，进而赢得稳当的日本企业直聘视觉提醒来指导肢解 。为了在尝试时完成自顺应，PMG框架通过迭代地将天生的热力争重新加权到原图上，指导模子对能够的宗旨区域停止从粗到细的聚焦。

GenSAM的试验效果注解，在装作样本肢解恣意上 ，该模子相比基线要领和弱监视要领展现更好，具有优越的泛化性能 。该模子的提出为像SAM这样的提醒肢解要领在现实运用中迈出了主要的一步。

这一钻研的立异之处在于 ，通过提供通用恣意形容  ，GenSAM模子能够批量地解决整个有关恣意的无标注图片，而无需为每一个图片手动提供详细的提醒。这使得模子在解决少量数据时越发高效和可扩张。

在未来，GenSAM模子的要领能够为其余畛域的图像肢解恣意提供新的思绪和解决计划
。钻研职员指望这种通用恣意形容指导的图像肢解要领能够推进算计机视觉畛域的生长 ，提升模子在庞杂场景下的肢解准确性
 。

• 论文链接:https://arxiv.org/pdf/2312.07374.pdf

• 项目链接:https://top.aibase.com/tool/gensam