Segment Anything Model
Segment Anything Model (SAM) è un modello fondazionale introdotto da Kirillov et al. nel 2023 che può segmentare qualsiasi oggetto in un'immagine dati vari tipi di prompt. SAM è addestrato su un dataset massiccio di immagini diverse e impara a segmentare oggetti basandosi su un input utente minimo come punti, riquadri o descrizioni testuali.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). A Foundation Model for Image Segmentation. ScholarGate. https://scholargate.app/it/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)Apprendimento profondo↔ compare
- Autoencoder MascheratiApprendimento profondo↔ compare
- Swin TransformerApprendimento profondo↔ compare
- Vision TransformerApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →