港科大推出图像分割 AI“Semantic-SAM”，可为实体提供语义标签

图片地址：https://img.ithome.com/newsuploadfiles/2023/7/34422d0a-bb58-486b-aa8a-c30e1cc12661.jpg?x-bce-process=image/format,f_auto

IT之家 7 月 17 日消息，香港科技大学团队开发出一款名为 Semantic-SAM 的图像分割 AI 模型，相比 Meta 此前发布的 SAM 模型，Semantic-SAM 具有更强的粒度和语义功能，能够在不同粒度级别上分割和识别物体，并为分割出的实体提供语义标签。据悉，Semantic-SAM 基于 Mask DINO 框架进行开发，其模型结构主要改进在 decoder 部分，同时支持通用分割和交互式分割。研究团队通过采用解耦的物体分类和部件分类方法，学习物体和部件的语义信息，从而实现了多粒度分割任务和交互分割任务的优化。实验结果表明，Semantic-SAM 在分割质量和粒度可控性方面优于 Meta 的 SAM 模型。该项目目前已经在 GitHub中发布，论文也同时上传至 ArXiv中，有兴趣的IT之家小伙伴们可以前往查看。