压缩任意分割模型（SAM）
计算机视觉与模式识别
2025-07-14 v1 人工智能
摘要
由于Segment Anything Model（SAM）及其变体在生成高质量、零样本分割方面表现卓越，已广泛应用于医疗保健和智能制造等多种场景。因此，有效压缩SAM已成为日益迫切的实际需求。本研究提出了Birkhoff，一种针对SAM及其变体的新型数据无关压缩算法。与量化、修剪、蒸馏等压缩方法不同，Birkhoff在模型类型多样性、部署灵活性、忠实性以及模型规模紧凑性方面具备优势。具体而言，Birkhoff引入了一种新型压缩算法：超压缩，其核心原理是寻找一条密集轨迹，将高维参数向量转化为低维标量。此外，Birkhoff设计了专用的线性层算子HyperLinear，用于融合解压缩和矩阵乘法，从而显著加速压缩后SAM的推理。对18个SAM模型在COCO、LVIS和SA-1B数据集上的大量实验表明，Birkhoff在压缩时间、压缩比、压缩后性能和推理速度方面表现始终且具有竞争力。例如，Birkhoff可在SAM2-B上实现5.17倍的压缩比，仅使用少于1%的性能下降，且无需任何微调数据。此外，所有模型的压缩均在60秒内完成。
引用
@article{arxiv.2507.08765,
title = {Compress Any Segment Anything Model (SAM)},
author = {Juntong Fan and Zhiwei Hao and Jianqiang Shen and Shang-Ling Jui and Yi Zhang and Jing-Xiao Liao and Feng-Lei Fan},
journal= {arXiv preprint arXiv:2507.08765},
year = {2025}
}
备注
13 pages, 6 tables, 8 figures