Segment Anything Model
Segment Anything Model (SAM) er en grunnmodell introdusert av Kirillov et al. i 2023 som kan segmentere ethvert objekt i et bilde gitt ulike former for prompter. SAM er trent på et massivt datasett med mangfoldige bilder og lærer å segmentere objekter basert på minimal brukerinput, som punkter, bokser eller tekstbeskrivelser.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). A Foundation Model for Image Segmentation. ScholarGate. https://scholargate.app/no/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)Dyp læring↔ compare
- Maskerte autoenkodereDyp læring↔ compare
- Swin TransformerDyp læring↔ compare
- Vision TransformerDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →