通过 SAM 与领域知识实现合金微结构分割无需额外训练
材料科学
2024-07-09 v1
摘要
基础模型在大规模数据集上训练后，通过创新学习方法适应新数据，已在各个领域取得革命性进展。在材料科学中，微结构图像分割在理解合金性能方面起着关键作用。然而，常规的监督式建模算法往往需要大量标注和复杂的优化程序。分割任何模型（SAM）带来了新的视角。通过将 SAM 与领域知识结合，我们提出了一种用于合金图像分割的新型通用算法。该算法可以在各种合金系统中处理图像批次，无需训练或标注。此外，它实现的分割精度与监督模型相当，并能稳健地处理各种合金图像中复杂的相分布，无论数据量如何。
引用
@article{arxiv.2407.04922,
title = {Revolutionizing Alloy Microstructure Segmentation through SAM and Domain Knowledge without Extra Training},
author = {Xudong Ma and Yuqi Zhang and Chenchong Wang and Wei Xu},
journal= {arXiv preprint arXiv:2407.04922},
year = {2024}
}