跳到内容ScholarGate
文库我的文库桌面Review Studio助手
登录
Segment Anything Model/证据
方法证据记录

Segment Anything Model

Segment Anything Model (SAM) is a foundation model introduced by Kirillov et al. in 2023 that can segment any object in an image given various forms of prompts. SAM is trained on a massive dataset of diverse images and learns to segment objects based on minimal user input such as points, boxes, or text descriptions.

Sources recorded, not reviewed

源记录

引文逐字复制自方法源记录。这些引文不代表任何层级的验证。

A Foundation Model for Image Segmentation
分类方法记录 · ml-model / deep-learning
  • 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
打开完整方法

精选声明

声明已持久化到证据分类账中,每个声明都有自己的评估。

尚无精选声明

当分类账中没有声明时,此视图不会自行创建声明评估。

相关方法

从方法图中生成,显示为机器建议的关系 — 不推断任何证据声明。

Same method familyDETR (Detection Transformer)machine-suggested · Relational suggestion, not evidence.Same method familyMasked Autoencodersmachine-suggested · Relational suggestion, not evidence.Same method familySwin Transformermachine-suggested · Relational suggestion, not evidence.Same method familyVision Transformermachine-suggested · Relational suggestion, not evidence.

证据状态

Sources recorded, not reviewed

Bibliographic sources are present. Claim-level evidence review has not been performed.

来源

从方法源记录复制的 1 条记录的引文。

操作

打开方法页面
ScholarGate

以内容为本的研究方法参考文库——每种方法是什么、如何运作、源自何处。

开放数据(CC-BY)

探索

  • 文库
  • 搜索方法…
  • 按领域浏览
  • 学科领域
  • 历程
  • 对比
  • 该用哪种方法?

参考

  • 学科
  • 图集
  • 术语表
  • 方法论
  • 哲学

工作区

  • 我的文库
  • 桌面
  • 聊天

公司

  • 关于
  • 价格
  • 联系我们
  • 建议新方法

本词条系根据已发表文献整理,仅供参考。核实任何信息的准确性及其是否适用于您的具体用途,仍由您自行负责。

© 2026 ScholarGate · 研究方法参考文库
  • 隐私
  • Cookie
  • 条款
  • 删除账户