，香港科技大学团队开发出一款名为 Semantic-SAM 的图像分割 AI 模型，相比 Meta 此前发布的 SAM 模型，Semantic-SAM 具有更强的粒度和语义功能，能够在不同粒度级别上分割和识别物体，并为分割出的实体提供语义标签。
据悉，Semantic-SAM 基于 Mask DINO 框架进行开发，其模型结构主要改进在 decoder 部分，同时支持通用分割和交互式分割。
研究团队通过采用解耦的物体分类和部件分类方法，学习物体和部件的语义信息，从而实现了多粒度分割任务和交互分割任务的优化。实验结果表明，Semantic-SAM 在分割质量和粒度可控性方面优于 Meta 的 SAM 模型。
该项目目前已经在 GitHub 中发布，论文也同时上传至 ArXiv 中，有兴趣的IT之家小伙伴们可以前往查看。
广告声明:文内含有的对外跳转链接，用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。
免责声明：该文章系本站转载，旨在为读者提供更多信息资讯。所涉内容不构成投资、消费建议，仅供读者参考。
