港科大推出图像分割 AISemanticSAM 可为实体提供语义标签

香港科技大学的一支研究团队成功研发出名为Semantic-SAM的图像分割AI模型。相较于先前由meta公司推出的SAM模型，Semantic-SAM展现出更为精细的粒度和强大的语义功能。这款模型能够在不同的粒度级别上精准分割并识别物体，同时为分割出的实体赋予明确的语义标签。

深入了解，Semantic-SAM基于Mask DINO框架构建，其独特的模型结构在decoder部分进行了显著的创新。这款模型不仅能够应对通用分割任务，还支持交互式分割，实用性更强。

研究团队通过采用解耦的物体分类与部件分类方法，深入学习和理解物体及其部件的语义信息。这一创新方法使得多粒度分割任务和交互分割任务得到了显著优化。经过严格的实验验证，Semantic-SAM在分割质量和粒度的可控性方面表现出超越meta SAM模型的性能。

目前，该项目已在GitHub上公开发布，相关的论文也同步上传至ArXiv供公众查阅。对于热衷于人工智能尤其是图像分割领域的IT之家小伙伴们来说，这无疑是一个不容错过的精彩项目。