CVPR 2024 | 分割一切模型SAM泛化能力差？域适应策略给解决了

文章预览

点击蓝字 关注我们 关注并星标 从此不迷路 计算机视觉研究院 公众号ID ｜ 计算机视觉研究院 学习群 ｜ 扫码在主页获取加入方式 论文地址：https://arxiv.org/pdf/2312.03502.pdf 项目地址：https://github.com/Zhang-Haojie/WeSAM 论文标题：Improving the Generalization of Segmentation Foundation Model under Distribution Shift via Weakly Supervised Adaptation 计算机视觉研究院专栏 Column of Computer Vision Institute 第一个针对「Segment Anything」大模型的域适应策略来了！ 相关论文已被CVPR 2024 接收。 引言 大语言模型（LLMs）的成功激发了计算机视觉领域探索分割基础模型的兴趣。这些基础分割模型通常通过 Prompt Engineer 来进行 zero/few 图像分割。其中，Segment Anything Model（SAM）是最先进的图像分割基础模型。 图  SAM 在多个下游任务上表现不佳 但是最近的研究表明，SAM 在多种下游任务中并非具有很强的鲁棒 ………………………………