Segment Anything 并非总是完美：SAM 在不同现实世界应用中的探究
计算机视觉与模式识别
2024-08-23 v3
摘要
近日，Meta AI Research 提出了一种通用的、可提示的 Segment Anything Model (SAM)，其在前所未有的大规模分割数据集（SA-1B）上进行了预训练。毫无疑问，SAM 的出现将为广泛的实际图像分割应用带来显著益处。在本研究中，我们对 SAM 在各类应用中的性能进行了一系列有趣的探究，特别是在自然图像、农业、制造业、遥感和医疗健康领域。我们分析并讨论了 SAM 的优势与局限，同时对其在分割任务中的未来发展进行了展望。通过此举，我们旨在全面理解 SAM 的实际应用。本工作有望为面向通用分割的未来研究活动提供洞见。源代码已公开可用。
引用
@article{arxiv.2304.05750,
title = {Segment Anything Is Not Always Perfect: An Investigation of SAM on Different Real-world Applications},
author = {Wei Ji and Jingjing Li and Qi Bi and Tingwei Liu and Wenbo Li and Li Cheng},
journal= {arXiv preprint arXiv:2304.05750},
year = {2024}
}
备注
CVPRW Oral