タグ: #분할

← すべての記事

• Segment Anything (SAM)：プロンプトベースのセグメンテーション、データエンジン、そして1度のエンコーダーと複数回のデコーダー

  「何を塗るか」を学習時に固定せず、人間が与えたクリックやボックスを質問として受け取り、その場の物体を切り抜くSAM（2023）を解説します。重い画像エンコーダー（ViT-H）は画像ごとに1回、軽いマスクデコーダーはクリックごとに実行する設計、曖昧なクリックに対してマスクのセットを出力し最も近い1つだけに勾配を伝える学習、モデルがデータを生成しそのデータでモデルをさらに成長させる3段階のデータエンジン（1100万枚の画像、11億個のマスク

  2026-10-17 · 10 分で読めます #비전 모델#SAM#Segment Anything#분할#프롬프트

• U-NetとHRNet：解像度を維持する構造とヒートマップ出力

  分類モデルは画像を縮小しながら「何であるか」を特定しますが、ボール探し・姿勢推定・セグメンテーションでは「正確にどこにあるか」を知る必要があります。縮小してから拡大し直し、スキップ接続で細かな位置を戻すU-Net（2015）と、高解像度の分岐を最後まで残して複数の解像度を混ぜ続けるHRNet（2019）の設計意図を、論文の数値とともに整理します。直接計算により、直径3pxのボールが1/8解像度で消えていく様子や、ヒートマップから座標を読

  2026-10-17 · 12 分で読めます #비전 모델#U-Net#HRNet#히트맵#분할