机器视觉领域迎来GPT-3时刻！新模型接连炸场图像识别门槛大幅降低

首页> 新品速递>机器视觉领域迎来GPT-3时刻！新模型接连炸场图像识别门槛大幅降低

物公基资讯

机器视觉领域迎来GPT-3时刻！新模型接连炸场图像识别门槛大幅降低

短短一周不到，视觉范畴连续迎来新模型“炸场”，图画辨认门槛大幅下降——
　　这场AI热潮中鲜见动态的Meta总算出手，推出Segment Anything东西，可准确辨认图画中的对象，模型和数据全部开源；
　　国内智源研讨院视觉团队也提出了通用切割模型SegGPT(Segment Everything in Context)，这也是首个利用视觉上下文完结各种切割任务的通用视觉模型。
　　其中，Meta的项目包含模型Segment Anything Model(SAM)、数据集Segment Anything 1-Billion mask dataset(SA-1B)，公司称后者是有史以来最大的切割数据集。
　　引起业内颤动的便是这一SAM模型：
1. 正如名字“Segment Anything”相同，该模型可以用于切割图画中的全部对象，包含练习数据中没有的内容；
2. 交互方面，SAM可运用点击、框选、文字等各种输入提示(prompt)，指定要在图画中切割的内容，这也意味着，用于自然语言处理的Prompt形式也开始被应用在计算机视觉范畴。
3. 对于视频中物体，SAM也能准确辨认并快速标记物品的品种、名字、巨细，并自动用ID为这些物品进行记录和分类。
　　英伟达人工智能科学家Jim Fan将Meta的这项研讨称作计算机视觉范畴的“GPT-3时刻”之一——其切割方法可以通用，可对不熟悉的物体和图画进行零样本泛化，开始验证了多模态技术路径及其泛化能力。
　　进一步来说，SAM可以灵敏集成于更大的AI体系。例如，了解网页的视觉和文本内容；在AR/VR范畴，将头显用户视线作为提示来选择对象，然后将其“提高”到3D中；对于内容创作者，SAM可提取图画区域以进行拼贴或视频编辑；SAM还可通过定位动物或物体在视频中进行研讨和跟踪。
　　另一方面，智源研讨院视觉团队的SegGPT模型则更偏重于批量化标示切割能力。无论是在图画仍是视频环境，用户在画面上标示辨认一类物体，即可批量化辨认切割出其他所有同类物体。
　　例如，若在一张图画中标示彩虹，便可将其他图画中的彩虹也一同批量辨认切割出来。

　　西部证券指出，Meta此次推出SAM，预示着大模型在多模态发展方面更进一步，布局计算机视觉/视频的厂商有望继续受；还有券商补充称，SAM模型突破了机器视觉底层技能。
　　国盛证券估计，估计1-5年内，多模态发展将带来AI泛化才能提升，通用视觉、通用机械臂、通用物流转移机器人、职业服务机器人、真实的智能家居会进入生活；5-10年内，结合复杂多模态计划的大模型有望具有齐备的与世界交互的才能，在通用机器人、虚拟现实等范畴得到使用。

物公基资讯