SAM 在隐蔽场景中表现欠佳——关于 Segment Anything 的实证研究
计算机视觉与模式识别
2024-08-26 v4
摘要
分割一切是迈向通用人工智能的突破性一步，而 Segment Anything Model（SAM）极大推动了计算机视觉基础模型的发展。我们无比兴奋地探究 SAM 的性能特质。尤其有趣的是探索 SAM 表现不佳的情形。在本报告中，我们选取三种隐蔽场景，即伪装动物、工业缺陷与医学病灶，在无提示设置下评估 SAM。我们的主要观察是 SAM 在隐蔽场景中显得并不熟练。
引用
@article{arxiv.2304.06022,
title = {SAM Struggles in Concealed Scenes -- Empirical Study on Segment Anything},
author = {Ge-Peng Ji and Deng-Ping Fan and Peng Xu and Ming-Ming Cheng and Bowen Zhou and Luc Van Gool},
journal= {arXiv preprint arXiv:2304.06022},
year = {2024}
}
备注
Accepted by SCIENCE CHINA Information Sciences, 2023