タグ: #SA-1B

← 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