利用 Segment Anything (SAM) 模型进行知识蒸馏的行星地质制图
计算机视觉与模式识别
2023-05-16 v2 系统与控制
系统与控制
摘要
行星科学研究涉及分析海量遥感数据，这些数据标注与处理往往成本高昂且耗时。该领域的一项基本任务是地质制图，需要识别并勾绘行星图像中的感兴趣区域，包括地质特征与地貌。然而，手动标注这些图像是一项复杂且具挑战性的任务，需要大量的领域专业知识与精力。为加速此项工作，我们提出利用近期推出的前沿 Segment Anything (SAM) 模型进行知识蒸馏。我们展示了这一基于提示的基础模型在快速标注和对行星天窗制图这一主要用例的快速适应性方面的有效性。我们的工作表明，利用模型通过正确提示获得的一小组标注，随后训练一个专门的领域解码器，即可在该任务上实现令人满意的语义分割。关键结果表明，知识蒸馏的使用可显著减少领域专家手动标注所需的工作量，并提升图像分割任务的效率。该方法有望通过自动检测与分割火星地貌来加速地外发现。
引用
@article{arxiv.2305.07586,
title = {Knowledge distillation with Segment Anything (SAM) model for Planetary Geological Mapping},
author = {Sahib Julka and Michael Granitzer},
journal= {arXiv preprint arXiv:2305.07586},
year = {2023}
}