SAM 遇见机器人手术：关于泛化性、鲁棒性和适应性的实证研究
原文中文，约300字，阅读约需1分钟。发表于：。基于 Segment Anything Model（SAM）的语义分割模型在机器人手术领域的鲁棒性、零样本泛化性能等方面进行了实证研究，发现 SAM 在使用边界框提示时表现出卓越的零样本泛化能力，但在点提示和未提示设置下，对仪器的整体分割困难重重，且在复杂手术场景中无法识别仪器且容易受到各种数据破坏形式的影响。提出的 Low-rank Adaptation（LoRA）调整方法结合...
本文介绍了一个名为Segment Anything Model（SAM）的基础模型，用于视觉任务中的图像分割。SAM在零样本图像分割准确性方面表现出色，并在多样化的基准任务集上取得了良好的表现。然而，在航空图像问题中，SAM在某些情况下会失败。
