Segmentar cualquier modelo
El modelo Segment Anything (SAM) es el modelo básico de Meta AI para la segmentación de imágenes: dado un punto, un cuadro o una pista aproximada, delinea instantáneamente el objeto correspondiente.
Descripción general
It was built to generalize to objects and images it never saw during training, making segmentation a promptable task.
Buceo profundo
Publicado por Meta AI en 2023, SAM reformula la segmentación como un problema que se puede solucionar: le das un mensaje (un clic, un cuadro, una máscara o una sugerencia derivada de texto) y devuelve una o más máscaras de objetos. Su poder proviene en parte de la escala: fue entrenado en SA-1B, un conjunto de datos de más de mil millones de máscaras en 11 millones de imágenes, construido con un motor de anotación de modelo en bucle. Desde el punto de vista arquitectónico, SAM tiene un codificador de imágenes pesadas que se ejecuta una vez por imagen, un codificador de avisos liviano y un decodificador de máscara rápido, por lo que una única imagen incrustada se puede volver a solicitar de forma interactiva en tiempo real. Permite la transferencia cero a muchas tareas. SAM 2, lanzado en 2024, extiende esto al video, rastreando objetos a través de fotogramas.
Información técnica
SAM utiliza un codificador de imágenes Vision Transformer (ViT), a menudo previamente entrenado con codificación automática enmascarada, para producir una incrustación de imagen densa. Las indicaciones se codifican en tokens, y un decodificador basado en transformador con fusibles de atención cruzada solicita tokens con la imagen incrustada en máscaras de salida más puntuaciones de confianza. Para resolver la ambigüedad (un clic podría significar un botón, una camisa o una persona), SAM predice varias máscaras válidas a la vez y las clasifica, permitiendo que el uso posterior o indicaciones adicionales eliminen la ambigüedad.
Impacto Estratégico
Speed and scale
La IA visual puede automatizar tareas de inspección, detección y etiquetado a escala.
Construir opciones
Los equipos creativos pueden crear prototipos de conceptos más rápido y con menos revisiones manuales.
Equipo y flujo de trabajo
Las operaciones pueden utilizar señales de imagen y vídeo que antes eran difíciles de procesar.
El futuro del modelo Segment Anything
SAM se ha convertido en una columna vertebral predeterminada para herramientas de anotación, imágenes médicas, robótica y canales de RA, a menudo combinados con detectores o modelos de texto para flujos de trabajo de "segmento por nombre" de vocabulario abierto. Espere variantes más ligeras y rápidas (MobileSAM, EfficientSAM) para uso en el dispositivo, una integración más profunda con el lenguaje para una segmentación totalmente basada en texto y una expansión continua hacia video y 3D. Como modelo de base, sus incrustaciones se reutilizan cada vez más como capa de percepción que alimenta otros sistemas.
Implementación en el mundo real
Las plataformas de anotación de imágenes utilizan SAM para permitir que los etiquetadores hagan clic una vez y generen automáticamente máscaras de objetos precisas, lo que reduce drásticamente el tiempo de etiquetado.
Los investigadores adaptan SAM (p. ej., MedSAM) para delinear órganos y tumores en tomografías computarizadas y resonancias magnéticas.
Los editores de fotos y videos integran SAM para recortar sujetos o eliminar fondos con un solo clic.
SAM 2 rastrea y segmenta objetos a través de cuadros de video para efectos AR y percepción robótica.
Riesgos y barandillas
Los derechos de imagen y el consentimiento pueden convertirse en riesgos legales si la procedencia no está clara.
El rendimiento del modelo puede variar según la iluminación, la demografía y los entornos.
Los falsos positivos pueden pasar desapercibidos a menos que se controlen los umbrales de confianza.
Hoja de ruta de implementación
Defina criterios de aceptación para costos de precisión, recuperación y error.
Pruebe con datos que coincidan con las condiciones reales de producción.
Agregue revisión humana para predicciones de baja confianza o de alto impacto.
Realice un seguimiento de la deriva del modelo y vuelva a validarlo después de cambios en la cámara o el conjunto de datos.
Sigue explorando
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Segment Anything Model quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Siguiente guía
Modelos de consistencia
Preguntas frecuentes
What is Segment Anything Model?
El modelo Segment Anything (SAM) es el modelo básico de Meta AI para la segmentación de imágenes: dado un punto, un cuadro o una pista aproximada, delinea instantáneamente el objeto correspondiente. Fue creado para generalizar a objetos e imágenes que nunca vio durante el entrenamiento, lo que hace que la segmentación sea una tarea rápida.
¿Qué idea central convierte a SAM en un "modelo básico" para la segmentación?
SAM replantea la segmentación como si fuera rápida y fue diseñada para la transferencia sin disparos a objetos e imágenes fuera de su conjunto de entrenamiento.
¿Aproximadamente qué tamaño tiene el conjunto de datos SA-1B utilizado para entrenar SAM?
SA-1B contiene más de mil millones de máscaras en alrededor de 11 millones de imágenes, creadas con un motor de anotación de modelo en bucle.
¿Por qué SAM divide su arquitectura en un codificador de imágenes pesado y un codificador/decodificador de avisos liviano?
La costosa codificación de imágenes se ejecuta una vez; luego, la codificación de avisos y la decodificación de máscaras económicas permiten volver a solicitar la misma imagen de manera rápida e interactiva.
¿Cómo maneja SAM un mensaje ambiguo, como un solo clic que podría significar varios objetos?
SAM genera varias máscaras candidatas con puntuaciones para que la ambigüedad pueda resolverse mediante clasificación o indicaciones adicionales.
¿Qué tipo de red troncal utiliza SAM para codificar la imagen de entrada?
El codificador de imágenes de SAM es un Vision Transformer, a menudo previamente entrenado con codificación automática enmascarada, lo que produce una incrustación de imágenes densa.