مدل محبوب «Segment Anything» یا همان SAM، ابزاری فوقالعاده برای جداسازی و تشخیص اشیاء است، اما مشکلاتی مثل «بیشازحد خرد کردن تصاویر» (Over-segmentation) و کندی در پردازش، همیشه چالشبرانگیز بوده. حالا محققان با معرفی فریمورک جدید SAM-MI به سراغ حل این مشکلات رفتهاند!
این روش تازه با جایگزین کردن نقاط بهینه به جای شبکههای متراکم و استفاده از تکنیک «تزریق ماسک»، نه تنها فرآیند تولید ماسک را ۱.۶ برابر سریعتر کرده، بلکه در بنچمارکهای مهمی مثل MESS، حدود ۱۶.۷ درصد عملکرد بهتری نسبت به روشهای مشابه داشته است. این پیشرفت یعنی مدلهای بینایی ماشین در آینده میتوانند با دقت بسیار بالاتر و سرعت چشمگیرتری دنیای اطراف را «ببینند» و تحلیل کنند. 🧐✨
منبع: arXiv Computer Vision