中山大学联合美团打造X-SAM模型,单次操作可分割多个对象,20项测试全面领先
中山大学、鹏城实验室与美团三方联合研发的X-SAM图像分割模型近期正式发布,这款多模态大模型在图像分割领域实现了重要突破,将传中山统的"分割万物"能力升级为"任意分割",显著提升了模型的适应性和应用范围。
传统的Segment Anything Model(SAM)虽然大学在生成密集分割掩码方面表现出色,但其只能接受单一视觉提示输入的设计局限性明显。针对这一技术瓶颈,研究团队创新性地提出了视觉定位分割(Vi联合sual Grounded Segmentation, VGS)任务框架,通过交互式视觉提示实现对所有实例对象的精确分割,为多模态大语美团言模型提供了像素级的理解能力。
X-SAM的技术架构采用了多项创新设计。模型支持统一的输入格式和输出表示,能够处理多种类型的视觉和文打造本查询输入。其核心的双编码器架构确保了对图像内容和分割特征的深度理解,而分割连接器则提供多尺度信息融合,大幅提升分割精度。
最值得关注的是X-,X-SAM集成了最新的Mask2Former架构作为分割解码器,这使得模型能够在单次操作中同时分割多个目标对象,彻底突破了传统SAM只SA能处理单一对象的技术限制。这一改进不仅提高了处理效率,也为复杂场景下的批量分割任务提供了可能。
在模型训练方面,研究团队采用了三阶M模段渐进式训练策略,通过逐步增强的学习过程确保模型性能的稳定提升。经过在20多个主流分割数据集上的全面测试,X-SAM在对话生成分割任务型,和图文理解任务中均取得了领先的性能表现,验证了其技术方案的有效性。
X-SAM的发布为图像分割技术发展指明了新方向,也为构建更加智能的通单次用视觉理解系统提供了重要的技术基础。研究团队表示,下一步将重点探索该技术在视频领域的应用拓展,推动图像与视频分割技术的统一化发展操作,进一步提升机器视觉理解能力的边界。
这项研究成果不仅在学术层面具有重要意义,其在自动驾驶、医疗影像、工业检测等实际应用场景中的可分潜力也值得期待。随着模型开源和技术推广,预计将推动整个计算机视觉领域的快速发展。
论文地址:https://arxiv.org/pdf割多/2508.04655
代码地址:https://github.com/wanghao9610/X-SAM
Demo地址: https:个对//47.115.200.157:7861
- ·谷歌无人驾驶业务Waymo拟融资40亿美元 考虑分拆上市
- ·标签: 先导智能 锂电池装备 光伏串焊机 新能源智能装备
- ·标签: 国民技术 A+H上市 集成电路 港交所
- ·docker scan 本地扫描镜像漏洞
- ·标签: 文心大模型5.0 百度千帆 吴甜 罗永浩数字人
- ·美团 LongCat 大模型 App 正式上线!语音通话与联网搜索让你与 AI 更亲密
- ·标签: 欧拉万象 周顺波 家庭机器人 具身智能
- ·AWS 发布 Agentic AI 应用 Quick Suite:一站式连接1000+ 企业应用,彻底变革工作流程
- ·苹果AI团队遭遇人才流失,核心研究员转投Meta、OpenAI和Anthropic
- ·标签: 星海图 具身智能 蓝思科技 华登科技
- ·标签: 国泰君安香港 中信证券香港 潘举鹏 香港IPO
- ·Reddit CEO直言:AI聊天机器人并未带来流量红利,搜索仍是核心引擎
- ·标签: 寒武纪 AI芯片 人工智能 算力
- ·云安全日报210917:Ubuntu硬件支持内核发现重要漏洞,需要尽快升级
- ·普林斯顿、英特尔提出ParNet,速度和准确性显著优于ResNet
- ·云计算开发:Python内置函数-bin() 函数详解
- ·马来西亚迎来 AI 新纪元,ChatGPT Go 助力数字化转型
- ·标签: 腾讯 王者荣耀 和平精英 三角洲行动
- ·标签: 挚文集团 陌陌 探探 MOMO
- ·美国FTC启动对Meta、OpenAI等AI聊天机器人调查,聚焦青少年安全
- ·12.9英寸还不够 苹果正探索更大尺寸iPad
- ·标签: 先瑞达医疗 BostonScientific 静脉介入 医疗器械
- ·看热闹不嫌事大?微软和欧洲媒体抱团要求谷歌、Facebook付费
- ·标签: 小米汽车 SU7 Ultra Master 小米SU7
- ·云计算开发:Python练习实例-两个字符串连接程序
- ·标签: 天翼视联 中国电信 海康威视 视联网
