港科大推出圖像分割AI“Semantic-SAM”，可為實體提供語義標籤

據IT 之家7 月17 日報導，香港科技大學團隊開發出一款名為Semantic-SAM 的圖像分割AI 模型，相比Meta 此前發布的SAM 模型，Semantic-SAM 具有更強的粒度和語義功能，能夠在不同粒度級別上分割和識別物體，並為分割出的實體提供語義標籤。據悉，Semantic-SAM 基於Mask DINO 框架進行開發，其模型結構主要改進在decoder 部分，同時支持通用分割和交互式分割。研究團隊通過採用解耦的物體分類和部件分類方法，學習物體和部件的語義信息，從而實現了多粒度分割任務和交互分割任務的優化。實驗結果表明，Semantic-SAM 在分割質量和粒度可控性方面優於Meta 的SAM 模型。