划时代突破 | “无监督SAM”超越监督SAM 6.7%，开创{数据零标注时代}先河！

文章预览

打造一个有温度、有趣味、专业的全栈式AI 交流社区！ “   在2023年，曾经出现了很长一段时间的SAM研究热，相继出现了很多基于SAM的变种方法。这些方法要不改进SAM的架构，要不对SAM进行轻量化！ 然而，原始的SAM需要对训练数据进行全面的手动标记，每张图像超过20分钟， 这个因素极大地限制了SAM遵循有利于LLM的缩放定律。 为了解决该问题，本文提出了无监督SAM（UnSAM），用于不需要人工注释的可提示和自动全图像分割。 作者首先利用自上而下的聚类方法将未标记的图像划分为实例/语义级别的片段。对于一个片段内的所有像素，采用自下而上的聚类方法将它们迭代合并为更大的组，从而形成分层结构。然后利用这些无监督的多粒度掩码来监督模型训练。   ” 代码链接 - https://github.com/frank-xwang/UnSAM 论文链接 - https://arxiv.org/pdf/2406.20081v1 Demo链接 ………………………………