SAM（Segment Anything Model）是由Meta公司於2023年4月發布的人工智慧通用模型，專注於圖像分割任務。其技術架構採用編碼器-解碼器設計，通過融合圖像特徵與提示信息（如點、框、文本）實現任意物體的高效分割。該模型基於包含1100萬張圖像和11億個標註的數據集訓練，具備零樣本泛化能力，可處理未訓練場景及模糊對象。通過開源模型和數據集，SAM推動了下游套用的創新，涵蓋自動駕駛、醫療影像等領域的計算機視覺任務，被譽為計算機視覺領域的ChatGPT。
基本介紹
- 開發者：Meta公司
- 發布時間：2023年4月
- 技術特點：零樣本泛化
- 模型架構：編碼器-解碼器
- 數據集規模：11億標註
- 套用領域：計算機視覺
技術原理,套用領域,開源影響,
技術原理
SAM採用三階段架構：
- 圖像編碼器：基於Vision Transformer（ViT）提取圖像特徵
- 提示編碼器：處理用戶輸入的互動式提示（如點擊、框選）
- 掩碼解碼器：生成高質量分割掩碼並評估置信度
模型通過海量數據訓練建立分割通用框架，無需針對特定場景建模即可完成物體識別，在模糊對象或複雜背景中仍保持準確性。
套用領域
截至2024年，SAM已在以下場景實現套用：
- 自動駕駛：通過簡化圖像分割過程，提升效率和準確性，套用於自動駕駛領域
- 醫療影像：醫學影像處理
- 遙感分析：衛星圖像的通用分割與監測
- 工業質檢：圖像分割任務，可用於生產線缺陷檢測
開源影響
Meta於2023年4月開放模型代碼與SA-1B數據集，促進學術界與產業界創新：
- 研究效率提升：SAM的開源數據集SA-1B包含1100萬圖像和11億個mask，大大解放了數據標註領域的生產力
- 衍生模型湧現：如Grounding DINO等融合模型
- 技術平權效應：降低視覺AI開發門檻
