论文一起读 | 通过单样本个性化分割一切模型

文章预览

‍ 导读 本文是VCC刘俊麟同学对论文 Personalize Segment Anything Model With One Shot 的解读，该工作来自香港中文大学多媒体实验室、上海人工智能实验室并已被发表在计算机视觉顶级会议CVPR 2023上。 项目主页：  https://github.com/ZrrSkywalker/Personalize-SAM 该工作提出了 一种无训练的个性化方法PerSAM，只需一个样本即可定制Segment Anything Model（SAM）。该方法仅需用户给定具有参考掩码的单个图像，即可将其分割到其他图像或者视频中。 通过这种方式，我们可以有效地自定义通用SAM以供私人使用，而无需任何训练。为了进一步缓解分割尺度的模糊性，该方法还提出了一种有效的一次性微调变体PerSAM-F，只在10秒内调整2个参数，以提高性能。 注：本文图片均来自原论文与其项目主页。 I  引言  Segment Anything (SAM) 开发了一个用于收集11M图像掩码数据的精细数据引擎，并 ………………………………