Segment Anything Model
Segment Anything Model (SAM) je základní model představený Kirillovem et al. v roce 2023, který dokáže segmentovat jakýkoli objekt na obrázku na základě různých forem promptů. SAM je trénován na masivním datovém souboru různorodých obrázků a učí se segmentovat objekty na základě minimálního uživatelského vstupu, jako jsou body, rámečky nebo textové popisy.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). A Foundation Model for Image Segmentation. ScholarGate. https://scholargate.app/cs/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)Hluboké učení↔ compare
- Maskované autoenkodéryHluboké učení↔ compare
- Swin TransformerHluboké učení↔ compare
- Vision TransformerHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →