当 SAM 遇见阴影检测
计算机视觉与模式识别
2023-05-22 v1
摘要
作为可提示的通用物体分割模型，segment anything model (SAM) 近期引起了广泛关注，并展现出强大的性能。然而，它在遇到若干任务时仍遭遇滑铁卢，例如医学图像分割、伪装目标检测等。在本报告中，我们在一个未探索的流行任务上尝试 SAM：阴影检测。具体而言，我们选取了四个基准数据集，并使用广泛使用的度量进行了评估。实验结果表明，使用 SAM 进行阴影检测的性能不尽如人意，尤其是与精心设计的模型相比。代码见 https://github.com/LeipingJie/SAMSh。
引用
@article{arxiv.2305.11513,
title = {When SAM Meets Shadow Detection},
author = {Leiping Jie and Hui Zhang},
journal= {arXiv preprint arXiv:2305.11513},
year = {2023}
}
备注
Technical Report