中山大学联合美团打造X-SAM模型,单次操作可分割多个对象,20项测试全面领先
中山大学、鹏城实验室与美团三方联合研发的X-SAM图像分割模型近期正式发布,这款多模态大模型在图像分割领域实现了重要突破,将传中山统的"分割万物"能力升级为"任意分割",显著提升了模型的适应性和应用范围。 传统的Segment Anything Model(SAM大学)虽然在生成密集分割掩码方面表现出色,但其只能接受单一视觉提示输入的设计局限性明显。针对这一技术瓶颈,研究团队创新性地提出了视联合觉定位分割(Visual Grounded Segmentation, VGS)任务框架,通过交互式视觉提示实现对所有实例对象的精确分割,为美团多模态大语言模型提供了像素级的理解能力。 X-SAM的技术架构采用了多项创新设计。模型支持统一的输入格式和输出表示,能够处理多种打造类型的视觉和文本查询输入。其核心的双编码器架构确保了对图像内容和分割特征的深度理解,而分割连接器则提供多尺度信息融合,大幅提升X-分割精度。 最值得关注的是,X-SAM集成了最新的Mask2Former架构作为分割解码器,这使得模型能够在单次操作中同时分割多SA个目标对象,彻底突破了传统SAM只能处理单一对象的技术限制。这一改进不仅提高了处理效率,也为复杂场景下的批量分割任务提供了可能M模。 在模型训练方面,研究团队采用了三阶段渐进式训练策略,通过逐步增强的学习过程确保模型性能的稳定提升。经过在20多个主流分割数据集上的全型,面测试,X-SAM在对话生成分割任务和图文理解任务中均取得了领先的性能表现,验证了其技术方案的有效性。 X-SAM的发布为图像分单次割技术发展指明了新方向,也为构建更加智能的通用视觉理解系统提供了重要的技术基础。研究团队表示,下一步将重点探索该技术在视频领域的操作应用拓展,推动图像与视频分割技术的统一化发展,进一步提升机器视觉理解能力的边界。 这项研究成果不仅在学术层面具有重要意义,其在自动驾驶、医可分疗影像、工业检测等实际应用场景中的潜力也值得期待。随着模型开源和技术推广,预计将推动整个计算机视觉领域的快速发展。 论文地址:h割多ttps://arxiv.org/pdf/2508.04655 代码地址:https://github.com/wanghao96个对10/X-SAM Demo地址: https://47.115.200.157:7861
- 最近发表
- 随机阅读
-
- 斑马智能接入支付宝AI付车载版,补齐智能座舱“关键一环”
- 标签: 哭哭马
- 标签: 小红书 陈浩 港股上市 劳动合规
- 可溶于水的机器人见过吗?明胶和糖3D打印而成
- 2021年大数据和分析4大趋势
- 标签: 辛帕智能 IPO 风电设备 工业智能
- IBM第一季度营收177亿美元 净利润同比下降19%
- 云计算开发:Python3数学函数log10()方法详解
- 标签: 金立 刘立荣 Starlead Prospace
- Perplexity与Getty Images达成多年授权协议,力求内容合规与归属
- 亚马逊考虑开为儿童开发Alexa可穿戴设备Seeker
- 云安全日报220607:红帽Jboss中间件平台发现远程代码执行漏洞,需要尽快升级
- 如何保护Kubernetes的机密信息
- 这是极简单的人工神经网络解说
- 云计算开发:Python3-List extend()方法详解
- 标签: 爱理财的小羊 D基金公司 A产品 蚂蚁财富
- 昆仑万维与阿里云达成战略合作 将新建智算中心支撑大模型创新
- 谷歌地图推出新功能:可室内导航 可让司机选择环保路线
- 云安全日报220519:思科安全设备和威胁防御软件发现权限提升漏洞,需要尽快升级
- AI工程师成长记 - 工作方法!
- 搜索
-
- 友情链接