Segment Anything Model
Segment Anything Model (SAM) je základný model (foundation model) predstavený Kirillovom a kol. v roku 2023, ktorý dokáže segmentovať akýkoľvek objekt na obrázku na základe rôznych foriem výziev (promptov). SAM je trénovaný na masívnom datasete rôznorodých obrázkov a učí sa segmentovať objekty na základe minimálneho vstupu od používateľa, ako sú body, ohraničujúce rámčeky alebo textové opisy.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). A Foundation Model for Image Segmentation. ScholarGate. https://scholargate.app/sk/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)Hlboké učenie↔ compare
- Maskované autoenkodéryHlboké učenie↔ compare
- Swin TransformerHlboké učenie↔ compare
- Vision TransformerHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →