Segment Anything Model
Das Segment Anything Model (SAM) ist ein von Kirillov et al. im Jahr 2023 eingeführtes Foundation Model, das jedes Objekt in einem Bild anhand verschiedener Prompt-Formate segmentieren kann. SAM wird auf einem massiven Datensatz vielfältiger Bilder trainiert und lernt, Objekte anhand minimaler Benutzereingaben wie Punkte, Boxen oder Textbeschreibungen zu segmentieren.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). A Foundation Model for Image Segmentation. ScholarGate. https://scholargate.app/de/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)Deep Learning↔ compare
- Masked AutoencodersDeep Learning↔ compare
- Swin TransformerDeep Learning↔ compare
- Vision TransformerDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →