评估SAM2在伪装物体检测中的作用：从SAM到SAM2
计算机视觉与模式识别
2024-08-01 v1
摘要
Segment Anything Model (SAM)由Meta AI Research提出作为通用目标分割模型，迅速引起广泛关注并显著影响学术界。为将其应用扩展至视频，Meta进一步开发了Segment Anything Model 2 (SAM2)，一种统一的模型能够进行视频和图像分割。SAM2在适用范围、提示驱动分割精度和运行速度方面均显著优于其前身。然而，本报告揭示SAM2在无提示情况下检测图像中不同物体的能力较SAM出现下降。具体而言，我们采用具有挑战性的伪装物体检测任务来评估这种性能下降，旨在激发研究人员进一步探索SAM模型系列。本文结果提供于\url{https://github.com/luckybird1994/SAMCOD}。
引用
@article{arxiv.2407.21596,
title = {Evaluating SAM2's Role in Camouflaged Object Detection: From SAM to SAM2},
author = {Lv Tang and Bo Li},
journal= {arXiv preprint arXiv:2407.21596},
year = {2024}
}