本文转载自微信公众号「计算机视觉工坊」，一个定期分享SLAM与自动驾驶干货知识的公众号，推荐大家关注。点击下方，即可。

众所周知，随着ChatGPT的爆火，AI全面进入大模型时代，NLP、CV大有统一之势，回顾发布的各种大模型，Google BARD，openAI的GPT，Meta的SAM，百度的文心一言等等，这些基本都是有实力有技术的大公司引领着来研究的，但是作为一名普通的高校科研工作者，我们大多数基本上是没有这么多资源算力去开发这样的大模型的，但是大模型在各个方向效果精度几乎是碾压，导致很多领域方向就消失了，很多研究生也是很焦虑，可能在申的论文以及毕业答辩时肯定会comment你的性能差距大模型这么多，还有研究的必要吗？

所以，大模型时代下，作为一名普普通通，没有很多资源算力的科研人如何继续研究呢？

最近在arXiv上刷到一篇文章，也许能提供一些思路。

论文名称：

AV-SAM: Segment Anything Model Meets Audio-Visual Localization and Segmentation

论文地址：

https://arxiv.org/abs/23