Modèle Segment Anything
Le Modèle Segment Anything (SAM) est un modèle de fondation introduit par Kirillov et al. en 2023, capable de segmenter n'importe quel objet dans une image à partir de diverses formes de requêtes (prompts). SAM est entraîné sur un ensemble de données massif d'images diverses et apprend à segmenter les objets en se basant sur une entrée utilisateur minimale, telle que des points, des boîtes ou des descriptions textuelles.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). A Foundation Model for Image Segmentation. ScholarGate. https://scholargate.app/fr/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)Apprentissage profond↔ compare
- Autoencodeurs masquésApprentissage profond↔ compare
- Swin TransformerApprentissage profond↔ compare
- Vision TransformerApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →