非可见光谱影像应用的片段任意模型性能评估与变分提示
原文约300字,阅读约需1分钟。发表于: 。Segment Anything Model (SAM) 通过使用不同的输入提示(如文本、边界框、点或掩膜)生成掩膜,克服了特定数据集稀缺性的约束,评估了 SAM 在 X 射线 / 红外模态中分割感兴趣对象的能力,结果表明 SAM 在给定盒子提示时可以分割 X 射线模态中的对象,但对于点提示而言,表现不稳定,特别是在分割细长物体和有机材料方面,SAM 的性能较差,这表明在考虑在 X 射线 / 红外图像上使用 SAM 时需要特别考虑跨模态泛化的问题。
研究了基于视觉任务的基础模型SAM,可以通过输入提示在图像中分割对象。SAM在视觉基准任务中表现良好,但在航空图像问题中有时会失败。