首页行业分类人工智能AI2023-04-12-国信证券--AIGC行业快评:Meta发布视觉大模型SAM,持续看好内容与应用产业机遇
PDF

2023-04-12-国信证券--AIGC行业快评:Meta发布视觉大模型SAM,持续看好内容与应用产业机遇

迟***99页2.91M

下载文档
/9
全屏查看
2023-04-12-国信证券--AIGC行业快评:Meta发布视觉大模型SAM,持续看好内容与应用产业机遇
还有 9 页未读 ,您可以 继续阅读 或 下载文档
报告派所有资源均由用户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
1、本文档共计 9 页,下载后文档不带水印,支持完整阅读内容或进行编辑。
2、当您下载文档后,并不意味着拥有了版权,文档仅供网友学习交流,不得用于其他商业用途。
3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!
4、本本所有内容不构成任何投资建议,不具有任何指导和买卖意见。
5、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。
国信证券证券研究报告GUOSEN SECURITIES00 Meta AlCOMPUTER VISIONIntroducing Segment Anything:Working toward the firstfoundation model for imagesegmentationApril 5,2023资料来源:Meta Al,国信证券经济研究所整理$M是机器视觉领域第一个基础大模型,泛化通用能力大幅增强。识别图片中哪些像素属于同一个物体是计算机视觉(C)的一个核心问题,相关技术被广泛应用在从科学研究、自动驾驶和图片编辑等各种领域。从机器视觉领域模型来看,过往机器视觉领域模型大部分为特定任务构建,需要技术专家进行高度专业化工作,和大量特定任务领域内的标注数据。SM是计算机视觉领域发布第一个用于图像分割的、可通过提示(prompt)方式应用的通用大模型,与自然语言领域(LP)中的大模型ChatGPT类似。从图形分割方式来看,过往解决图像中物体分割主要有两类方法:1)交互式分割,可分割任何类别的对象,但需要人不断迭代细化掩码来引导分割;2)自动分割,可分割图像中提前定义、训练好的特定对象类别,譬如可分割图片中的猫这一物体类别,但在实现这种自动分割前需要先通过监督式机器学习的方法训练出一个能够识别猫的模型,而一个仅能识别猫的模型仍需要数千甚至数万手动标注好分割猫的训练集作为数据来训练该模型。这两种方法都没有提供通用的全自动的分割方法。SAM将以上两种方式相结合,可以通过单一模型和可提示的(Promptable.)界面以灵活的方式完成广泛的分割任务。同时SM在包含10亿个掩码的多样化、高质量数据集上训练,使其能够泛化到新类型的类型和图像,从业者将不再需要收集他们自己的细分数据并为他们的用例微调模型。从SAM目前所具备的能力来看,根据Meta披露的信息,SAM已经学会了关于物体的一般概念,可以为任何图像或者视频中的对象生成掩码(mask),甚至包括它在训练期间没有遇到的对象和图像类型,SAM的通用性可以涵盖广泛的用例,即使应用在新的图像领域,譬如水下照片和细胞显微镜,也不需额外训练,实现了零样本迁移能力,泛化通用能力大幅增强。图2:SAM分割图像前的厨房照片图3:SM能够准确分割厨房图片中的每样物体请务必阅读正文之后的免责声明及其项下所有内容