|
- SAM出来之后，高校小团队关于语义分割的研究方向应该如何调整？ - 知乎
RSPrompter 主要分享sam在遥感影像数据集上的应用，论文里边考虑做了4个方向的研究，如下图所示： （a）sam-seg：结合sam在遥感数据集上做语义分割，主要是利用sam的vit作为backbone，后边接上mask2former的neck和head,训练遥感数据集。
- SAM怎么微调使得其适用于图像分类? - 知乎
相比之前的SAM模型，SAM 2能够处理视频分割。 微调SAM2的重要性：微调可以让SAM 2模型适应特定的数据集和任务，提高其在特定领域的性能。
- Meta 发布新一代 SegmentAnythingModels「SAM」，有何亮点？
Meta 最近发布了 SAM 的第三代，我们借此机会来学习一下这个系列技术的演进过程。 一、什么是 CV 中的「分割」？ SAM 系列主要解决的问题是计算机视觉中的「分割」（Segmentation）任务，通俗讲就是 AI 把图片里的物体「抠」出来。 图像分割的目标：为图像中的每个像素赋予「属于哪个物体」的标签
- 如何评价 OpenAI CEO Sam Altman 离开 OpenAI? - 知乎
重点：Sam Altman 不是主动离职，而是被董事会审查后解雇的… Mr Altman’s departure follows a deliberative review process by the board, which concluded that he was not consistently candid in his communications with the board, hindering its ability to exercise its responsibilities
- 什么是SAM-e？ - 知乎
SAM-e携带了一个活化的甲基（红色），图中AR代表腺苷 重要的甲基供体 在细胞内大多数甲基化反应中， SAM-e发挥着重要的生理作用，是人体内100多种不同甲基转移酶催化反应的甲基供体。许多细胞含有大量的 专一性 SAM转甲基酶（只能接受Sam-e提供的甲基），可将SAM-e上的甲基转移到硫、氮、碳、氧
- SAM出了之后，研一刚确定遥感图像语义分割方向的小白还有得做吗？可以往哪方面靠啊？ - 知乎
针对子领域优化，SAM的原模型对某些子领域的性能是比不过现有的一些算法的。 看23年的 cvpr 的best paper，有一篇是关于调用 视觉基础模型 的研究，目标是像调用python库那样调用函数一样调用视觉模型，感觉这个会是一个很大的研究方向。
- Altman 承认 OpenAI 的闭源策略站在了历史的错误一边，将逐步开源些旧模型，这是怎样的信号？ - 知乎
看了原文就知道，Sam Altman还是美帝生意人一贯的既当又立的嘴脸。 我们在讨论这个问题——别说我们不够Open，我们可是在讨论这个问题，不能说我们没考虑这个选项。 应该找出不同的开源策略——这个『不同』用得好啊，不同的开源策略，可以是根本就不开源。 我个人觉得我们处在历史错误的一
- 基于 AX650N 的图像修复示例（SAM + LaMa） - 知乎
SAM 架构主要包含三个部分：图像编码器、提示编码器、以及掩码解码器。 在使用时，只需要对图像提取一次图像嵌入，可以在不同的提示下重复使用。 给定一个图像嵌入，提示编码器和掩码解码器可以在浏览器中在约 50ms内根据提示预测掩码。 在线DEMO效果如下：
|
|
|