X-SAM:打破图像分割的界限,实现任意分割的新突破
近日,中山大学、鹏城实验室与美团联合发布了一项名为 X-SAM 的新型图像分割多模态大模型,标志着图像分割技术的一次重要X进步。该模型的出现,不仅提高了图像分割的精度,还实现了从 “分割万物” 到 “任意分割” 的重大飞跃。
X-SAM 的核心在于其创新的设计-S理念,首先引入了统一的输入和输出格式,以适应不同的分割需求。用户可以通过文本查询或视觉查询的方式进行操作,前者适用于通用分AM割等任务,后者则可通过点、涂鸦等视觉提示实现交互式分割。此外,X-SAM 的输出采用统一表示,使得分割结果能够被有效解:打读。
为了提升分割效果,X-SAM 采用了双编码器架构,其中一个负责提取全局特征,另一个则关注细粒度特征。这种设计不仅增强了模破图型的图像理解能力,还确保了分割的精细化。同时,模型还引入了分割连接器和统一分割解码器,前者能够处理多尺度特征,后者则替换了传统像分的解码器架构,进一步提高了分割性能。
X-SAM 的训练过程分为三个阶段,第一阶段为分割器微调,旨在提升模型的基础分割能割的力;第二阶段进行对齐预训练,使语言与视觉的嵌入对齐;第三阶段则是混合微调,通过在多个数据集上进行协同训练来优化模型的整体性能。界限实验结果显示,X-SAM 在20多个分割数据集上均达到了最先进的性能,展现了其卓越的多模态视觉理解能力。
随着 X-SAM,实 的问世,研究团队希望未来能够将其应用扩展到视频领域,结合时间信息,推动视频理解技术的发展。这一新型模型的成功,不仅为图像分割研现任究开辟了新方向,也为构建更为通用的视觉理解系统奠定了基础。
代码地址:https://github.com/wanghao96意分10/X-SAM
Demo地址: https://47.115.200.157:7861
划重点:
X-SAM 模型实现了从 “分割万物”割的 到 “任意分割” 的重大飞跃,提升了图像分割的精度和应用范围。
该模型引入统一输入输出格式,支持文本和新突视觉查询,提升用户交互体验。
经过三阶段训练,X-SAM 在20多个数据集上达到了最先进性能,为X未来的视觉理解系统奠定基础。
- ·数仓 | Kimball的维度建模过时了吗?
- ·标签: 钟慧娟 翰森 胡润女企业家榜 蓝思科技
- ·Grafana 使用表格面板进行数据可视化
- ·发生在UPS电源使用中的几种常见报警
- ·Anthropic 开源 Petri:用 AI 代理自动进行模型安全审计
- ·未来已来!吉利银河M9首搭AI座舱,智能体Eva陪你畅享智慧出行
- ·微软在印度建设第四个数据中心 将继续增加印度员工人数
- ·标签: 培源股份 汽车零部件 IPO 北交所
- ·鸟为什么会有气味
- ·标签: Stellantis 菲洛萨 汽车集团 能源转型
- ·OpenAI 迎来新CFO,前 xAI 财务主管掌舵,加速扩张 AI 基础设
- ·Gartner预测2026年数据中心用电量将增长26%
- ·标签: 阿里云 千问 林俊旸 Qwen
- ·标签: 源码律动 AI基建 诺因智能 Kitar
- ·无人驾驶服务 “AmiGo” 正式落地瑞士
- ·栀子花开歌曲原唱
