人工智能行業專題：SAM帶領CV領域技術突破，賦能多場景AI應用.pdf

人工智能行業專題：SAM帶領CV領域技術突破，賦能多場景AI應用。SAM 模型為 CV 領域的 ChatGPT，為計算機視覺帶來技術突破。Meta 公司近 期推出了其創新的 AI 模型——Segment Anything Model (SAM)，專門用于 計算機視覺（CV）領域的圖像分割任務。這一模型吸取了 ChatGPT 基于提示 （Prompt）的學習范式，實現了預訓練與特定下游任務之間的緊密結合，從 而顯著提高了模型的泛化能力。更為出色的是，SAM 還展現出了卓越的零樣 本學習效果。

SAM 的設計初衷和核心愿景是為了簡化圖像分割流程。它旨在 減少對專業建模知識的依賴，同時也降低了大規模訓練計算的需求。與此同 時，SAM 模型還大大降低了用戶手動標注掩碼的需求。其最終目標是使用戶 在“不會/少會操作、不標注/少標注數據、不訓練/少訓練模型”的前提下， 也能夠實現高效的圖像目標分割。

SAM 引起 AI 屆的廣泛關注和討論，并產生相關衍生模型，提升模型功能， 增加應用可能性。其衍生模型在分割效率、醫學影像分割、陰影缺陷檢測、 偽體識別和動態圖像分割等領域有性能提升，如 SEEM 模型結合了 SAM 的零 樣本泛化能力和檢測器，可以根據多種用戶輸入分割圖像或視頻中的內容； MedSAM 對 SAM 進行微調，專門針對醫學影像分割，并顯示出比 SAM 更優的性 能；通過適配方法生成 SAM-Adapter，其性能得以提升，特別是在陰影檢測 和偽裝物體分割等任務上；SAM-Track 項目拓展了 SAM 模型，增強其視頻分 割能力，可廣泛應用于多種視頻場景，提供高準確性和可靠性的視頻編輯功 能。SAM 衍生模型或可應用與運動場景、醫學影像、遙感圖像等圖像分割難 度較大的領域。

SAM 及其衍生模型可基于強大的性能賦能多場景應用，催生巨大應用藍海。 如 SAM 在零樣本學習上表現優秀，可減少已有的 CV 領域訓練數據量，實現 降本增效；或在在標記數據稀缺或獲取成本高的領域有許多潛在的應用。可 將大模型應用在 CV 領域的制造業賽道，如工業機器視覺行業；可將模型應 用于計算機視覺的下游應用賽道，包括自動駕駛、安防系統、AR 領域等；此 外遙感圖像、醫學影像領域，由于圖像分割難度較高，技術還需突破，可長 期關注。