Segmentasikan Model Apa Pun
Segment Anything Model (SAM) adalah Meta model dasar AI untuk segmentasi gambar: jika diberi titik, kotak, atau petunjuk kasar, model tersebut akan langsung menguraikan objek terkait.
Ikhtisar
It was built to generalize to objects and images it never saw during training, making segmentation a promptable task.
Menyelam Lebih Dalam
Dirilis oleh Meta AI pada tahun 2023, SAM mengubah segmentasi menjadi masalah yang dapat diminta: Anda memberinya perintah (klik, kotak, topeng, atau petunjuk turunan teks) dan ia mengembalikan satu atau lebih topeng objek. Kekuatannya sebagian berasal dari skala: ia dilatih pada SA-1B, kumpulan data lebih dari 1 miliar masker di 11 juta gambar, yang dibuat dengan mesin anotasi model-in-the-loop. Secara arsitektural, SAM memiliki encoder gambar berat yang dijalankan satu kali per gambar, encoder prompt yang ringan, dan decoder mask yang cepat, sehingga satu gambar yang disematkan dapat diminta ulang secara interaktif dalam waktu nyata. Ini memungkinkan transfer zero-shot ke banyak tugas. SAM 2, dirilis pada tahun 2024, memperluasnya ke video, melacak objek di seluruh bingkai.
Wawasan Teknis
SAM menggunakan encoder gambar Vision Transformer (ViT), yang sering kali dilatih sebelumnya dengan autoencoding bertopeng, untuk menghasilkan penyematan gambar yang padat. Perintah dikodekan ke dalam token, dan dekoder berbasis transformator dengan perhatian silang memadukan token cepat dengan gambar yang disematkan ke masker keluaran ditambah skor kepercayaan. Untuk mengatasi ambiguitas (satu klik dapat berarti kancing, kemeja, atau orang), SAM memprediksi beberapa masker yang valid sekaligus dan memberi peringkat pada masker tersebut, sehingga penggunaan hilir atau petunjuk tambahan dapat memperjelas.
Dampak Strategis
Kecepatan dan skala
Visual AI dapat mengotomatiskan tugas inspeksi, deteksi, dan penandaan dalam skala besar.
Build choices
Tim kreatif dapat membuat prototipe konsep lebih cepat dengan lebih sedikit revisi manual.
Team and workflow
Pengoperasiannya dapat menggunakan sinyal gambar dan video yang sebelumnya sulit diproses.
Masa Depan Model Segmen Apa Pun
SAM telah menjadi tulang punggung default untuk alat anotasi, pencitraan medis, robotika, dan saluran AR, sering kali dipasangkan dengan detektor atau model teks untuk alur kerja 'segmen berdasarkan nama' kosakata terbuka. Harapkan varian yang lebih ringan dan lebih cepat (MobileSAM, EfficientSAM) untuk penggunaan di perangkat, integrasi lebih dalam dengan bahasa untuk segmentasi berbasis teks sepenuhnya, dan perluasan berkelanjutan ke video dan 3D. Sebagai model dasar, penyematannya semakin banyak digunakan kembali sebagai lapisan persepsi yang memberi makan sistem lain.
Implementasi Dunia Nyata
Platform anotasi gambar menggunakan SAM untuk memungkinkan pelabel mengklik sekali dan secara otomatis menghasilkan masker objek yang tepat, sehingga memangkas waktu pelabelan.
Para peneliti mengadaptasi SAM (misalnya MedSAM) untuk menguraikan organ dan tumor dalam pemindaian CT dan MRI.
Editor foto dan video mengintegrasikan SAM untuk memotong subjek atau menghapus latar belakang hanya dengan satu klik.
SAM 2 melacak dan mengelompokkan objek di seluruh bingkai video untuk efek AR dan persepsi robotika.
Risiko & Pagar Pembatas
Hak citra dan persetujuan dapat menjadi risiko hukum jika asal usulnya tidak jelas.
Performa model dapat bervariasi berdasarkan pencahayaan, demografi, dan lingkungan.
Positif palsu mungkin tidak diketahui kecuali ambang batas keyakinan dipantau.
Peta Jalan Implementasi
Tentukan kriteria penerimaan untuk biaya presisi, penarikan kembali, dan kesalahan.
Uji dengan data yang sesuai dengan kondisi produksi sebenarnya.
Tambahkan tinjauan manusia untuk prediksi dengan tingkat keyakinan rendah atau dampak tinggi.
Lacak penyimpangan model dan validasi ulang setelah kamera atau kumpulan data berubah.
Terus Menjelajah
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
Next guide
Model Konsistensi
Pertanyaan yang sering diajukan
What is Segment Anything Model?
Segment Anything Model (SAM) adalah Meta model dasar AI untuk segmentasi gambar: jika diberi titik, kotak, atau petunjuk kasar, model tersebut akan langsung menguraikan objek terkait. Itu dibangun untuk menggeneralisasi objek dan gambar yang tidak pernah dilihatnya selama pelatihan, menjadikan segmentasi sebagai tugas yang dapat dilakukan dengan cepat.
Ide inti apa yang menjadikan SAM sebagai 'model dasar' untuk segmentasi?
SAM mengubah segmentasi menjadi sesuatu yang dapat diminta dan dirancang untuk transfer zero-shot ke objek dan gambar di luar set pelatihannya.
Kira-kira seberapa besar dataset SA-1B yang digunakan untuk melatih SAM?
SA-1B berisi lebih dari 1 miliar masker pada sekitar 11 juta gambar, dibuat dengan mesin anotasi model-in-the-loop.
Mengapa SAM membagi arsitekturnya menjadi encoder gambar berat dan encoder/decoder cepat yang ringan?
Pengodean gambar yang mahal dijalankan satu kali; kemudian pengkodean cepat dan penguraian topeng yang murah memungkinkan permintaan ulang yang cepat dan interaktif dari gambar yang sama.
Bagaimana SAM menangani prompt yang ambigu, seperti satu klik yang dapat berarti beberapa objek?
SAM mengeluarkan beberapa kandidat topeng dengan skor sehingga ambiguitas dapat diselesaikan dengan memberi peringkat atau petunjuk tambahan.
Jenis tulang punggung apa yang digunakan SAM untuk menyandikan gambar masukan?
Encoder gambar SAM adalah Vision Transformer, sering kali dilatih sebelumnya dengan autoencoding bertopeng, menghasilkan penyematan gambar yang padat.