搜尋
首頁科技週邊人工智慧華人團隊打造的通用分割模型SEEM,將一次性分割推向新高度

本月初,Meta 發布「分割一切」AI 模型 ——Segment Anything Model(SAM)。 SAM 被認為是通用的影像分割基礎模型,它學會了關於物體的一般概念,可以為任何影像或影片中的任何物體產生 mask,包括在訓練過程中沒有遇到的物體和影像類型。這種「零樣本遷移」的能力令人驚嘆,甚至有人稱 CV 領域迎來了「GPT-3 時刻」。

最近,一篇「一次分割一切」的新論文《Segment Everything Everywhere All at Once》再次引起關注。在論文中,來自威斯康辛大學麥迪遜分校、微軟、香港科技大學的幾位華人研究者提出了一種基於 prompt 的新型互動模型 SEEM。 SEEM 能夠根據使用者給予的各種模態的輸入(包括文字、圖像、塗鴉等等),一次分割圖像或影片中的所有內容,並識別出物件類別。該專案已經開源,並提供了試玩地址供大家體驗。

華人團隊打造的通用分割模型SEEM,將一次性分割推向新高度

論文連結:https://arxiv.org/pdf/2304.06718.pdf

#專案連結:https://github.com/UX-Decoder/Segment-Everything-Everywhere-All-At-Once

#試用網址:https://huggingface.co/spaces/xdecoder/SEEM

該研究透過全面的實驗驗證了SEEM 在各種分割任務上的有效性。即使 SEEM 不具有了解使用者意圖的能力,但它表現出強大的泛化能力,因為它學會了在統一的表徵空間中編寫不同類型的 prompt。此外,SEEM 可以透過輕量級的 prompt 解碼器有效地處理多輪互動。

華人團隊打造的通用分割模型SEEM,將一次性分割推向新高度

先來看看分割效果:

在變形金剛的合照中把「擎天柱」分割出來:

華人團隊打造的通用分割模型SEEM,將一次性分割推向新高度

也能對一類物件分割,例如在一張景觀圖片中分割出所有建築物:

華人團隊打造的通用分割模型SEEM,將一次性分割推向新高度

SEEM 也能輕鬆分割影片中移動的物件:

華人團隊打造的通用分割模型SEEM,將一次性分割推向新高度

這個分割效果可以說是非常絲滑了。我們來看看該研究提出的方法。

方法概述

該研究旨在提出一個通用接口,以藉助多模態 prompt 進行影像分割。為了實現這一目標,他們提出了一個包含4 個屬性的新方案,包括多功能性(versatility)、組合性(compositionality)、互動性(interactivity)和語義感知能力(semantic-awareness),具體包括

1)多功能性研究提出將點、遮罩、文字、偵測框(box)甚至是另一個影像的參考區域(referred region)這些異質的元素,編碼成同一個聯合視覺語意空間中的prompt。

2)組合性透過學習視覺和文字 prompt 的聯合視覺語義空間來即時編寫查詢以進行推理。 SEEM 可以處理輸入 prompt 的任意組合。

3)互動性:研究引入了透過結合可學習的記憶(memory) prompt,並透過遮罩指導的交叉注意力保留對話歷史資訊。

4)語意知覺能力:使用文字編碼器對文字查詢和遮罩標籤進行編碼,從而為所有輸出分割結果提供了開放集語意。

華人團隊打造的通用分割模型SEEM,將一次性分割推向新高度

架構方面,SEEM 遵循一個簡單的Transformer 編碼器- 解碼器架構,並額外添加了一個文字編碼器。在 SEEM 中,解碼過程類似於生成式 LLM,但具有多模態輸入和多模態輸出。所有查詢都作為 prompt 反饋到解碼器,圖像和文字編碼器用作 prompt 編碼器來編碼所有類型的查詢。

華人團隊打造的通用分割模型SEEM,將一次性分割推向新高度

具體來說,研究將所有查詢(如點、框和遮罩)編碼為視覺prompt,同時使用文字編碼器將文字查詢轉換為文字prompt,這樣視覺和文字prompt 就能保持對齊。 5 種不同類型的 prompt 都能都映射到聯合視覺語義空間中,透過零樣本適應來處理未見過的使用者 prompt。透過對不同的分割任務進行訓練,模型具有處理各種 prompt 的能力。此外,不同類型的 prompt 可以藉助交叉注意力互相輔助。最終,SEEM 模型可以使用各種 prompt 來獲得卓越的分割結果。

除了強大的泛化能力,SEEM 在運作方面也很有效率。研究人員將 prompt 作為解碼器的輸入,因此在與人類進行多輪互動時,SEEM 只需要在最開始運行一次特徵提取器。在每次迭代中,只需要使用新的 prompt 再次運行輕量級的解碼器。因此,在部署模型時,參數量大運行負擔重的特徵提取器可以在伺服器上運行,而在用戶的機器上僅運行相對輕量級的解碼器,以緩解多次遠端呼叫中的網路延遲問題。

如上圖 3(b)所示,在多輪互動中,每次互動包含一個人工循環和一個模型循環。在人工循環中,人們接收上一次迭代的遮罩輸出,並透過視覺 prompt 給予下一輪解碼的正回饋或負回饋。在模型循環中,模型接收並更新記憶 prompt 以供未來的預測。

實驗結果

該研究將 SEEM 模型與 SOTA 互動式分割模型進行了實驗比較,結果如下表 1 所示。

華人團隊打造的通用分割模型SEEM,將一次性分割推向新高度

作為通用模型,SEEM 實作了與RITM,SimpleClick 等模型相當的效能,並且與SAM 的效能非常接近,而SAM 用於訓練的分割資料是SEEM 的50 倍之多。

與現有的互動式模型不同,SEEM 是第一個不僅支援經典分割任務,還支援各種使用者輸入類型的通用接口,包括文字、點、塗鴉、框和圖像,提供強大的組合功能。如下表 2 所示,透過添加可組合的 prompt,SEEM 在 cIoU,mIoU 等指標上有了顯著的分割效能提升。

華人團隊打造的通用分割模型SEEM,將一次性分割推向新高度

我們再來看看互動式影像分割的視覺化結果。使用者只需要畫出一個點或簡單塗鴉,SEEM 就能提供非常好的分割結果

華人團隊打造的通用分割模型SEEM,將一次性分割推向新高度

#也可以輸入文本,讓SEEM 進行圖像分割

華人團隊打造的通用分割模型SEEM,將一次性分割推向新高度

#

也能直接輸入參考影像並指出參考區域,對其他影像進行分割,找出與參考區域一致的物件:

華人團隊打造的通用分割模型SEEM,將一次性分割推向新高度

該專案已經可以線上試玩,有興趣的讀者快去試試吧。

以上是華人團隊打造的通用分割模型SEEM,將一次性分割推向新高度的詳細內容。更多資訊請關注PHP中文網其他相關文章!

陳述
本文轉載於:51CTO.COM。如有侵權,請聯絡admin@php.cn刪除
从VAE到扩散模型:一文解读以文生图新范式从VAE到扩散模型:一文解读以文生图新范式Apr 08, 2023 pm 08:41 PM

1 前言在发布DALL·E的15个月后,OpenAI在今年春天带了续作DALL·E 2,以其更加惊艳的效果和丰富的可玩性迅速占领了各大AI社区的头条。近年来,随着生成对抗网络(GAN)、变分自编码器(VAE)、扩散模型(Diffusion models)的出现,深度学习已向世人展现其强大的图像生成能力;加上GPT-3、BERT等NLP模型的成功,人类正逐步打破文本和图像的信息界限。在DALL·E 2中,只需输入简单的文本(prompt),它就可以生成多张1024*1024的高清图像。这些图像甚至

找不到中文语音预训练模型?中文版 Wav2vec 2.0和HuBERT来了找不到中文语音预训练模型?中文版 Wav2vec 2.0和HuBERT来了Apr 08, 2023 pm 06:21 PM

Wav2vec 2.0 [1],HuBERT [2] 和 WavLM [3] 等语音预训练模型,通过在多达上万小时的无标注语音数据(如 Libri-light )上的自监督学习,显著提升了自动语音识别(Automatic Speech Recognition, ASR),语音合成(Text-to-speech, TTS)和语音转换(Voice Conversation,VC)等语音下游任务的性能。然而这些模型都没有公开的中文版本,不便于应用在中文语音研究场景。 WenetSpeech [4] 是

普林斯顿陈丹琦:如何让「大模型」变小普林斯顿陈丹琦:如何让「大模型」变小Apr 08, 2023 pm 04:01 PM

“Making large models smaller”这是很多语言模型研究人员的学术追求,针对大模型昂贵的环境和训练成本,陈丹琦在智源大会青源学术年会上做了题为“Making large models smaller”的特邀报告。报告中重点提及了基于记忆增强的TRIME算法和基于粗细粒度联合剪枝和逐层蒸馏的CofiPruning算法。前者能够在不改变模型结构的基础上兼顾语言模型困惑度和检索速度方面的优势;而后者可以在保证下游任务准确度的同时实现更快的处理速度,具有更小的模型结构。陈丹琦 普

解锁CNN和Transformer正确结合方法,字节跳动提出有效的下一代视觉Transformer解锁CNN和Transformer正确结合方法,字节跳动提出有效的下一代视觉TransformerApr 09, 2023 pm 02:01 PM

由于复杂的注意力机制和模型设计,大多数现有的视觉 Transformer(ViT)在现实的工业部署场景中不能像卷积神经网络(CNN)那样高效地执行。这就带来了一个问题:视觉神经网络能否像 CNN 一样快速推断并像 ViT 一样强大?近期一些工作试图设计 CNN-Transformer 混合架构来解决这个问题,但这些工作的整体性能远不能令人满意。基于此,来自字节跳动的研究者提出了一种能在现实工业场景中有效部署的下一代视觉 Transformer——Next-ViT。从延迟 / 准确性权衡的角度看,

Stable Diffusion XL 现已推出—有什么新功能,你知道吗?Stable Diffusion XL 现已推出—有什么新功能,你知道吗?Apr 07, 2023 pm 11:21 PM

3月27号,Stability AI的创始人兼首席执行官Emad Mostaque在一条推文中宣布,Stable Diffusion XL 现已可用于公开测试。以下是一些事项:“XL”不是这个新的AI模型的官方名称。一旦发布稳定性AI公司的官方公告,名称将会更改。与先前版本相比,图像质量有所提高与先前版本相比,图像生成速度大大加快。示例图像让我们看看新旧AI模型在结果上的差异。Prompt: Luxury sports car with aerodynamic curves, shot in a

五年后AI所需算力超100万倍!十二家机构联合发表88页长文:「智能计算」是解药五年后AI所需算力超100万倍!十二家机构联合发表88页长文:「智能计算」是解药Apr 09, 2023 pm 07:01 PM

人工智能就是一个「拼财力」的行业,如果没有高性能计算设备,别说开发基础模型,就连微调模型都做不到。但如果只靠拼硬件,单靠当前计算性能的发展速度,迟早有一天无法满足日益膨胀的需求,所以还需要配套的软件来协调统筹计算能力,这时候就需要用到「智能计算」技术。最近,来自之江实验室、中国工程院、国防科技大学、浙江大学等多达十二个国内外研究机构共同发表了一篇论文,首次对智能计算领域进行了全面的调研,涵盖了理论基础、智能与计算的技术融合、重要应用、挑战和未来前景。论文链接:​https://spj.scien

​什么是Transformer机器学习模型?​什么是Transformer机器学习模型?Apr 08, 2023 pm 06:31 PM

译者 | 李睿审校 | 孙淑娟​近年来, Transformer 机器学习模型已经成为深度学习和深度神经网络技术进步的主要亮点之一。它主要用于自然语言处理中的高级应用。谷歌正在使用它来增强其搜索引擎结果。OpenAI 使用 Transformer 创建了著名的 GPT-2和 GPT-3模型。自从2017年首次亮相以来,Transformer 架构不断发展并扩展到多种不同的变体,从语言任务扩展到其他领域。它们已被用于时间序列预测。它们是 DeepMind 的蛋白质结构预测模型 AlphaFold

AI模型告诉你,为啥巴西最可能在今年夺冠!曾精准预测前两届冠军AI模型告诉你,为啥巴西最可能在今年夺冠!曾精准预测前两届冠军Apr 09, 2023 pm 01:51 PM

说起2010年南非世界杯的最大网红,一定非「章鱼保罗」莫属!这只位于德国海洋生物中心的神奇章鱼,不仅成功预测了德国队全部七场比赛的结果,还顺利地选出了最终的总冠军西班牙队。不幸的是,保罗已经永远地离开了我们,但它的「遗产」却在人们预测足球比赛结果的尝试中持续存在。在艾伦图灵研究所(The Alan Turing Institute),随着2022年卡塔尔世界杯的持续进行,三位研究员Nick Barlow、Jack Roberts和Ryan Chan决定用一种AI算法预测今年的冠军归属。预测模型图

See all articles

熱AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover

AI Clothes Remover

用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool

Undress AI Tool

免費脫衣圖片

Clothoff.io

Clothoff.io

AI脫衣器

AI Hentai Generator

AI Hentai Generator

免費產生 AI 無盡。

熱門文章

R.E.P.O.能量晶體解釋及其做什麼(黃色晶體)
3 週前By尊渡假赌尊渡假赌尊渡假赌
R.E.P.O.最佳圖形設置
3 週前By尊渡假赌尊渡假赌尊渡假赌
R.E.P.O.如果您聽不到任何人,如何修復音頻
3 週前By尊渡假赌尊渡假赌尊渡假赌
WWE 2K25:如何解鎖Myrise中的所有內容
3 週前By尊渡假赌尊渡假赌尊渡假赌

熱工具

SublimeText3 Linux新版

SublimeText3 Linux新版

SublimeText3 Linux最新版

PhpStorm Mac 版本

PhpStorm Mac 版本

最新(2018.2.1 )專業的PHP整合開發工具

Atom編輯器mac版下載

Atom編輯器mac版下載

最受歡迎的的開源編輯器

SAP NetWeaver Server Adapter for Eclipse

SAP NetWeaver Server Adapter for Eclipse

將Eclipse與SAP NetWeaver應用伺服器整合。

禪工作室 13.0.1

禪工作室 13.0.1

強大的PHP整合開發環境