Model de Segmentació de Tot
El Model de Segmentació de Tot (SAM) és un model fundacional introduït per Kirillov et al. el 2023 que pot segmentar qualsevol objecte en una imatge donades diverses formes de indicacions. SAM està entrenat en un conjunt de dades massiu d'imatges diverses i aprèn a segmentar objectes basant-se en una entrada mínima de l'usuari, com ara punts, caixes o descripcions de text.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Kirillov, A., Mintun, E., Darrell, T., & Girshick, R. (2023). Segment Anything. In Proceedings of the IEEE/CVF International Conference on Computer Vision (pp. 4015-4026). DOI: 10.1109/iccv51070.2023.00371 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). A Foundation Model for Image Segmentation. ScholarGate. https://scholargate.app/ca/deep-learning/segment-anything-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- DETR (Detection Transformer)Aprenentatge profund↔ compare
- Autoencoders emmascaratsAprenentatge profund↔ compare
- Swin TransformerAprenentatge profund↔ compare
- Vision TransformerAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →