SAM 能分割一切吗？当 SAM 遇见伪装目标检测
计算机视觉与模式识别
2023-04-12 v2
摘要
SAM 是 Meta AI Research 最近发布的分割模型，因其在通用目标分割中令人印象深刻的性能而迅速受到关注。然而，其泛化到特定场景（如伪装场景）的能力仍未知。伪装目标检测（COD）涉及识别无缝融入背景的对象，在医学、艺术和农业等领域有众多实际应用。在本研究中，我们试图探问 SAM 是否能解决 COD 任务，并通过采用最大分割评估和伪装定位评估在 COD 基准上评估 SAM 的性能。我们还将 SAM 的性能与 22 种最先进的 COD 方法进行比较。我们的结果表明，虽然 SAM 在通用目标分割中展现出前景，但其在 COD 任务上的性能有限。这为进一步研究如何构建可解决 COD 任务的更强 SAM 提供了机会。本文结果见 \url{https://github.com/luckybird1994/SAMCOD}。
引用
@article{arxiv.2304.04709,
title = {Can SAM Segment Anything? When SAM Meets Camouflaged Object Detection},
author = {Lv Tang and Haoke Xiao and Bo Li},
journal= {arXiv preprint arXiv:2304.04709},
year = {2023}
}