Det-SAM2：基于Segment Anything Model 2的自提示分割框架技术报告
计算机视觉与模式识别
2024-12-03 v2
摘要
Segment Anything Model 2（SAM2）在视频分割和分割结果优化方面表现出卓越的性能。我们期望其能够进一步演进以实现更高层次的自动化，以适应实际应用。基于SAM2，我们进行了一系列实践，最终发展出一个完全自动化的管道，称为Det-SAM2，其中通过检测模型自动生成对象提示，以促进SAM2的推理和优化。该管道使在无限长的视频流上进行推理成为可能，同时保持恒定的VRAM和RAM使用量，同时保持与原始SAM2相同的效率和准确性。本技术报告 focuses on Det-SAM2框架的构建以及对SAM2所施加的后续工程优化。我们展示了一个基于Det-SAM2框架构建的应用案例：来自我们业务背景的台球场景中的AI裁判。项目地址为\url{https://github.com/motern88/Det-SAM2}。
引用
@article{arxiv.2411.18977,
title = {Det-SAM2:Technical Report on the Self-Prompting Segmentation Framework Based on Segment Anything Model 2},
author = {Zhiting Wang and Qiangong Zhou and Zongyang Liu},
journal= {arXiv preprint arXiv:2411.18977},
year = {2024}
}