文章目录
- 摘要
- 1、简介
- 2、相关工作
- 3、适合移动设备的SAM
- 3.1、背景和项目目标
- 3.2、提出方法
- 4、实验
- 4.1、实验设置
- 4.2、MobileSAM的性能与原版SAM相当
- 4.3、MobileSAM优于FastSAM
- 5、结论
摘要
https://arxiv.org/pdf/2306.14289v2.pdf
分割任何事物模型(SAM)因其令人印象深刻的零样本迁移性能和对许多视觉应用(如具有细粒度控制的图像编辑)的高通用性而引起了极大的关注。许多此类应用程序需要在资源受限的边缘设备上运行，如手机。本文旨在通过用一个轻量级的图像编码器替换重量级的图像编码器，使SAM对移动设备友好。像最初的SAM论文中那样，用一种天真的方法来训练这样一个新的SAM，会导致不满意的性能，特别是在可用的培训资源有限的情况下。这主要是由图像编码器和掩模
