Phân khúc mọi mô hình
Mô hình phân đoạn bất kỳ (SAM) là Meta mô hình nền tảng của AI để phân đoạn hình ảnh: khi được cung cấp một điểm, hộp hoặc gợi ý thô, nó sẽ ngay lập tức phác thảo đối tượng tương ứng.
Tổng quan
It was built to generalize to objects and images it never saw during training, making segmentation a promptable task.
Lặn sâu
Được phát hành bởi Meta AI vào năm 2023, SAM sắp xếp lại phân đoạn như một vấn đề có thể nhắc nhở: bạn đưa ra lời nhắc (một cú nhấp chuột, một hộp, mặt nạ hoặc gợi ý có nguồn gốc từ văn bản) và SAM sẽ trả về một hoặc nhiều mặt nạ đối tượng. Sức mạnh của nó một phần đến từ quy mô: nó được đào tạo trên SA-1B, một bộ dữ liệu gồm hơn 1 tỷ mặt nạ trên 11 triệu hình ảnh, được xây dựng bằng công cụ chú thích mô hình trong vòng lặp. Về mặt kiến trúc, SAM có bộ mã hóa hình ảnh nặng chạy một lần cho mỗi hình ảnh, bộ mã hóa dấu nhắc nhẹ và bộ giải mã mặt nạ nhanh, do đó, một hình ảnh nhúng có thể được nhắc lại một cách tương tác trong thời gian thực. Nó cho phép chuyển giao không ảnh tới nhiều nhiệm vụ. SAM 2, được phát hành vào năm 2024, mở rộng tính năng này sang video, theo dõi các đối tượng trên các khung hình.
Hiểu biết kỹ thuật
SAM sử dụng bộ mã hóa hình ảnh Vision Transformer (ViT), thường được huấn luyện trước bằng mã hóa tự động che giấu, để tạo ra khả năng nhúng hình ảnh dày đặc. Lời nhắc được mã hóa thành mã thông báo và bộ giải mã dựa trên máy biến áp có khả năng chú ý chéo kết hợp các mã thông báo lời nhắc với hình ảnh được nhúng vào mặt nạ đầu ra cộng với điểm tin cậy. Để giải quyết sự mơ hồ (một cú nhấp chuột có thể có nghĩa là một nút, một chiếc áo sơ mi hoặc một người), SAM dự đoán một số mặt nạ hợp lệ cùng một lúc và xếp hạng chúng, cho phép các lời nhắc sử dụng tiếp theo hoặc các lời nhắc bổ sung phân biệt.
Tác động chiến lược
Tốc độ và tỷ lệ
Visual AI có thể tự động hóa các nhiệm vụ kiểm tra, phát hiện và gắn thẻ trên quy mô lớn.
Xây dựng lựa chọn
Các nhóm sáng tạo có thể tạo nguyên mẫu nhanh hơn với ít sửa đổi thủ công hơn.
Nhóm và quy trình làm việc
Các hoạt động có thể sử dụng tín hiệu hình ảnh và video mà trước đây khó xử lý.
Tương lai của bất kỳ mô hình phân khúc nào
SAM đã trở thành xương sống mặc định cho các công cụ chú thích, hình ảnh y tế, robot và quy trình AR, thường được kết hợp với máy dò hoặc mô hình văn bản cho quy trình làm việc 'phân đoạn theo tên' từ vựng mở. Mong đợi các biến thể nhẹ hơn, nhanh hơn (MobileSAM, EfficiencySAM) để sử dụng trên thiết bị, tích hợp sâu hơn với ngôn ngữ để phân đoạn hoàn toàn theo hướng văn bản và tiếp tục mở rộng sang video và 3D. Là một mô hình nền tảng, các phần nhúng của nó ngày càng được sử dụng lại như một lớp nhận thức cung cấp cho các hệ thống khác.
Triển khai trong thế giới thực
Nền tảng chú thích hình ảnh sử dụng SAM để cho phép người gắn nhãn nhấp một lần và tự động tạo mặt nạ đối tượng chính xác, giảm thời gian ghi nhãn.
Các nhà nghiên cứu điều chỉnh SAM (ví dụ: MedSAM) để phác thảo các cơ quan và khối u trong quá trình quét CT và MRI.
Trình chỉnh sửa ảnh và video tích hợp SAM để cắt chủ thể hoặc xóa nền chỉ bằng một cú nhấp chuột.
SAM 2 theo dõi và phân đoạn các đối tượng trên các khung hình video để tạo ra hiệu ứng AR và nhận thức về robot.
Rủi ro & lan can
Quyền và sự đồng ý về hình ảnh có thể trở thành rủi ro pháp lý nếu nguồn gốc xuất xứ không rõ ràng.
Hiệu suất của mô hình có thể khác nhau tùy theo ánh sáng, nhân khẩu học và môi trường.
Kết quả dương tính giả có thể không được chú ý trừ khi ngưỡng tin cậy được theo dõi.
Lộ trình thực hiện
Xác định tiêu chí chấp nhận về độ chính xác, thu hồi và chi phí lỗi.
Kiểm tra với dữ liệu phù hợp với điều kiện sản xuất thực tế.
Thêm đánh giá của con người đối với những dự đoán có độ tin cậy thấp hoặc tác động cao.
Theo dõi sự trôi dạt của mô hình và xác nhận lại sau khi thay đổi máy ảnh hoặc tập dữ liệu.
Tiếp tục khám phá
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
Hướng dẫn tiếp theo
Mô hình nhất quán
Câu hỏi thường gặp
What is Segment Anything Model?
Mô hình phân đoạn bất kỳ (SAM) là Meta mô hình nền tảng của AI để phân đoạn hình ảnh: khi được cung cấp một điểm, hộp hoặc gợi ý thô, nó sẽ ngay lập tức phác thảo đối tượng tương ứng. Nó được xây dựng để khái quát hóa các đối tượng và hình ảnh mà nó chưa từng thấy trong quá trình đào tạo, khiến việc phân đoạn trở thành một nhiệm vụ có thể thực hiện được.
Ý tưởng cốt lõi nào khiến SAM trở thành 'mô hình nền tảng' cho phân khúc?
SAM điều chỉnh lại phân đoạn theo hướng có thể nhắc nhở và được thiết kế để truyền không ảnh tới các đối tượng và hình ảnh bên ngoài tập huấn luyện của nó.
Bộ dữ liệu SA-1B được sử dụng để huấn luyện SAM có kích thước khoảng bao nhiêu?
SA-1B chứa hơn 1 tỷ mặt nạ trên khoảng 11 triệu hình ảnh, được xây dựng bằng công cụ chú thích mô hình trong vòng lặp.
Tại sao SAM chia kiến trúc của nó thành bộ mã hóa hình ảnh hạng nặng và bộ mã hóa/giải mã dấu nhắc hạng nhẹ?
Mã hóa hình ảnh đắt tiền chạy một lần; sau đó mã hóa lời nhắc và giải mã mặt nạ giá rẻ cho phép nhắc lại nhanh chóng, mang tính tương tác của cùng một hình ảnh.
SAM xử lý lời nhắc mơ hồ như thế nào, chẳng hạn như một cú nhấp chuột có thể có nghĩa là nhiều đối tượng?
SAM đưa ra một số mặt nạ ứng viên có điểm số để có thể giải quyết sự mơ hồ bằng cách xếp hạng hoặc lời nhắc bổ sung.
SAM sử dụng loại xương sống nào để mã hóa hình ảnh đầu vào?
Bộ mã hóa hình ảnh của SAM là Vision Transformer, thường được huấn luyện trước bằng mã hóa tự động ẩn, tạo ra khả năng nhúng hình ảnh dày đặc.