किसी भी मॉडल को खंडित करें
सेगमेंट एनीथिंग मॉडल (एसएएम) छवि विभाजन के लिए Meta AI का आधार मॉडल है: एक बिंदु, बॉक्स या रफ संकेत दिए जाने पर, यह तुरंत संबंधित ऑब्जेक्ट की रूपरेखा तैयार करता है।
सिंहावलोकन
It was built to generalize to objects and images it never saw during training, making segmentation a promptable task.
गहरा गोता
Meta AI द्वारा 2023 में जारी, SAM ने विभाजन को एक शीघ्र समस्या के रूप में पुनः प्रस्तुत किया: आप इसे एक संकेत (एक क्लिक, एक बॉक्स, एक मास्क, या पाठ-व्युत्पन्न संकेत) देते हैं और यह एक या अधिक ऑब्जेक्ट मास्क लौटाता है। इसकी शक्ति आंशिक रूप से पैमाने से आती है: इसे SA-1B पर प्रशिक्षित किया गया था, जो 11 मिलियन छवियों में 1 बिलियन से अधिक मास्क का डेटासेट है, जो एक मॉडल-इन-द-लूप एनोटेशन इंजन के साथ बनाया गया है। वास्तुकला की दृष्टि से, एसएएम में एक भारी छवि एनकोडर है जो प्रति छवि एक बार चलता है, एक हल्का प्रॉम्प्ट एनकोडर और एक तेज़ मास्क डिकोडर है, इसलिए एक एकल एम्बेडेड छवि को वास्तविक समय में इंटरैक्टिव रूप से फिर से संकेत दिया जा सकता है। यह कई कार्यों में शून्य-शॉट स्थानांतरण को सक्षम बनाता है। एसएएम 2, 2024 में रिलीज़ हुआ, इसे वीडियो तक विस्तारित करता है, फ़्रेम में ऑब्जेक्ट को ट्रैक करता है।
तकनीकी अंतर्दृष्टि
एसएएम सघन छवि एम्बेडिंग उत्पन्न करने के लिए एक विज़न ट्रांसफॉर्मर (वीआईटी) छवि एनकोडर का उपयोग करता है, जिसे अक्सर मास्क्ड ऑटोएन्कोडिंग के साथ पूर्व-प्रशिक्षित किया जाता है। संकेतों को टोकन में एन्कोड किया जाता है, और क्रॉस-अटेंशन फ़्यूज़ वाला एक ट्रांसफॉर्मर-आधारित डिकोडर आउटपुट मास्क और कॉन्फिडेंस स्कोर में छवि एम्बेडिंग के साथ प्रॉम्प्ट टोकन को फ़्यूज़ करता है। अस्पष्टता को हल करने के लिए (एक क्लिक का मतलब एक बटन, एक शर्ट या एक व्यक्ति हो सकता है), एसएएम एक साथ कई वैध मास्क की भविष्यवाणी करता है और उन्हें रैंक करता है, जिससे डाउनस्ट्रीम उपयोग या अतिरिक्त संकेतों को स्पष्ट किया जा सकता है।
सामरिक प्रभाव
गति और पैमाना
विज़ुअल एआई बड़े पैमाने पर निरीक्षण, पता लगाने और टैगिंग कार्यों को स्वचालित कर सकता है।
विकल्प बनाएं
रचनात्मक टीमें कम मैन्युअल संशोधनों के साथ तेजी से अवधारणाओं का प्रोटोटाइप बना सकती हैं।
टीम और वर्कफ़्लो
संचालन छवि और वीडियो संकेतों का उपयोग कर सकते हैं जिन्हें संसाधित करना पहले कठिन था।
सेगमेंट एनीथिंग मॉडल का भविष्य
एसएएम एनोटेशन टूल, मेडिकल इमेजिंग, रोबोटिक्स और एआर पाइपलाइनों के लिए एक डिफ़ॉल्ट रीढ़ बन गया है, जिसे अक्सर ओपन-शब्दावली 'सेगमेंट बाय नेम' वर्कफ़्लो के लिए डिटेक्टरों या टेक्स्ट मॉडल के साथ जोड़ा जाता है। ऑन-डिवाइस उपयोग के लिए हल्के, तेज़ वेरिएंट (मोबाइलएसएएम, कुशलएसएएम), पूरी तरह से टेक्स्ट-संचालित विभाजन के लिए भाषा के साथ गहन एकीकरण और वीडियो और 3डी में निरंतर विस्तार की अपेक्षा करें। एक फाउंडेशन मॉडल के रूप में, इसके एम्बेडिंग को अन्य प्रणालियों को खिलाने वाली एक धारणा परत के रूप में तेजी से पुन: उपयोग किया जा रहा है।
वास्तविक विश्व कार्यान्वयन
छवि-एनोटेशन प्लेटफ़ॉर्म एसएएम का उपयोग करते हैं ताकि लेबलर्स एक बार क्लिक कर सकें और लेबलिंग समय को कम करते हुए सटीक ऑब्जेक्ट मास्क स्वचालित रूप से उत्पन्न कर सकें।
शोधकर्ता सीटी और एमआरआई स्कैन में अंगों और ट्यूमर की रूपरेखा तैयार करने के लिए एसएएम (उदाहरण के लिए, मेडएसएएम) को अनुकूलित करते हैं।
फोटो और वीडियो संपादक एक क्लिक से विषयों को काटने या पृष्ठभूमि हटाने के लिए एसएएम को एकीकृत करते हैं।
एसएएम 2 एआर प्रभाव और रोबोटिक्स धारणा के लिए वीडियो फ्रेम में वस्तुओं को ट्रैक और खंडित करता है।
जोखिम और रेलिंग
यदि उत्पत्ति अस्पष्ट है तो छवि अधिकार और सहमति कानूनी जोखिम बन सकते हैं।
मॉडल का प्रदर्शन प्रकाश व्यवस्था, जनसांख्यिकी और वातावरण के अनुसार भिन्न हो सकता है।
जब तक आत्मविश्वास की सीमा की निगरानी नहीं की जाती, तब तक झूठी सकारात्मक बातों पर ध्यान नहीं दिया जा सकता।
कार्यान्वयन रोडमैप
सटीकता, रिकॉल और त्रुटि लागत के लिए स्वीकृति मानदंड परिभाषित करें।
वास्तविक उत्पादन स्थितियों से मेल खाने वाले डेटा के साथ परीक्षण करें।
कम-आत्मविश्वास या उच्च-प्रभाव वाली भविष्यवाणियों के लिए मानवीय समीक्षा जोड़ें।
कैमरा या डेटासेट में बदलाव के बाद मॉडल बहाव को ट्रैक करें और पुनः सत्यापित करें।
अन्वेषण करते रहें
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
अगली गाइड
संगति मॉडल
अक्सर पूछे जाने वाले प्रश्नों
What is Segment Anything Model?
सेगमेंट एनीथिंग मॉडल (एसएएम) छवि विभाजन के लिए Meta AI का आधार मॉडल है: एक बिंदु, बॉक्स या रफ संकेत दिए जाने पर, यह तुरंत संबंधित ऑब्जेक्ट की रूपरेखा तैयार करता है। इसे उन वस्तुओं और छवियों का सामान्यीकरण करने के लिए बनाया गया था जिन्हें उसने प्रशिक्षण के दौरान कभी नहीं देखा था, जिससे विभाजन एक त्वरित कार्य बन गया।
कौन सा मूल विचार एसएएम को विभाजन के लिए 'आधार मॉडल' बनाता है?
एसएएम ने विभाजन को संकेत योग्य बताया है और इसे इसके प्रशिक्षण सेट के बाहर वस्तुओं और छवियों पर शून्य-शॉट स्थानांतरण के लिए डिज़ाइन किया गया था।
SAM को प्रशिक्षित करने के लिए उपयोग किया जाने वाला SA-1B डेटासेट मोटे तौर पर कितना बड़ा है?
SA-1B में मॉडल-इन-द-लूप एनोटेशन इंजन के साथ निर्मित लगभग 11 मिलियन छवियों पर 1 बिलियन से अधिक मास्क शामिल हैं।
एसएएम अपने आर्किटेक्चर को एक भारी छवि एनकोडर और एक हल्के प्रॉम्प्ट एनकोडर/डिकोडर में क्यों विभाजित करता है?
महंगी छवि एन्कोडिंग एक बार चलती है; फिर सस्ते प्रॉम्प्ट एन्कोडिंग और मास्क डिकोडिंग उसी छवि के तेज़, इंटरैक्टिव री-प्रॉम्प्टिंग की अनुमति देते हैं।
एसएएम एक अस्पष्ट संकेत को कैसे संभालता है, जैसे एक क्लिक जिसका मतलब कई ऑब्जेक्ट हो सकता है?
एसएएम स्कोर के साथ कई उम्मीदवार मास्क आउटपुट करता है ताकि रैंकिंग या अतिरिक्त संकेतों द्वारा अस्पष्टता को हल किया जा सके।
एसएएम इनपुट छवि को एन्कोड करने के लिए किस प्रकार की बैकबोन का उपयोग करता है?
एसएएम का छवि एन्कोडर एक विज़न ट्रांसफार्मर है, जिसे अक्सर मास्क्ड ऑटोएन्कोडिंग के साथ पूर्व-प्रशिक्षित किया जाता है, जो एक घनी छवि एम्बेडिंग का उत्पादन करता है।