« Segment Anything » : différence entre les versions

Version du 9 janvier 2024 à 14:42

en construction

Définition

Une nouvelle tâche, un nouveau modèle et un nouvel ensemble de données pour la segmentation d'images. En utilisant notre modèle efficace dans une boucle de collecte de données, nous avons construit le plus grand ensemble de données de segmentation à ce jour (et de loin), avec plus d'un milliard de masques sur 11 millions d'images sous licence et respectant la vie privée. Le modèle est conçu et entraîné pour pouvoir être sollicité, de sorte qu'il peut être transféré sans délai à de nouvelles distributions d'images et à de nouvelles tâches. Nous évaluons ses capacités sur de nombreuses tâches et constatons que sa performance zéro-shot est impressionnante - souvent compétitive ou même supérieure aux résultats antérieurs entièrement supervisés.

Français

XXXXXXXXX

Anglais

Segment Anything

Source : arxiv

@@ Ligne 2 : / Ligne 2 : @@
 == Définition ==
-XXXXXXXXX
+Une nouvelle tâche, un nouveau modèle et un nouvel ensemble de données pour la segmentation d'images. En utilisant notre modèle efficace dans une boucle de collecte de données, nous avons construit le plus grand ensemble de données de segmentation à ce jour (et de loin), avec plus d'un milliard de masques sur 11 millions d'images sous licence et respectant la vie privée. Le modèle est conçu et entraîné pour pouvoir être sollicité, de sorte qu'il peut être transféré sans délai à de nouvelles distributions d'images et à de nouvelles tâches. Nous évaluons ses capacités sur de nombreuses tâches et constatons que sa performance zéro-shot est impressionnante - souvent compétitive ou même supérieure aux résultats antérieurs entièrement supervisés.
 == Français ==
@@ Ligne 10 : / Ligne 10 : @@
 ''' Segment Anything'''
- Segment Anything (SA) project: a new task, model, and dataset for image segmentation. Using our efficient model in a data collection loop, we built the largest segmentation dataset to date (by far), with over 1 billion masks on 11M licensed and privacy respecting images. The model is designed and trained to be promptable, so it can transfer zero-shot to new image distributions and tasks. We evaluate its capabilities on numerous tasks and find that its zero-shot performance is impressive -- often competitive with or even superior to prior fully supervised results. We are releasing the Segment Anything Model (SAM) and corresponding dataset (SA-1B) of 1B masks and 11M images at this https URL to foster research into foundation models for computer vision.
 <small>