中山大学联合美团打造X-SAM模型,单次操作可分割多个对象,20项测试全面领先
中山大学、鹏城实验室与美团三方联合研发的X-SAM图像分割模型近期正式发布,这款多模态大模型在图像分割领域实现了重要突破,将传中山统的"分割万物"能力升级为"任意分割",显著提升了模型的适应性和应用范围。 传统的Segment Anything Model(SAM)虽然大学在生成密集分割掩码方面表现出色,但其只能接受单一视觉提示输入的设计局限性明显。针对这一技术瓶颈,研究团队创新性地提出了视觉定位联合分割(Visual Grounded Segmentation, VGS)任务框架,通过交互式视觉提示实现对所有实例对象的精确分割,美团为多模态大语言模型提供了像素级的理解能力。 X-SAM的技术架构采用了多项创新设计。模型支持统一的输入格式和输出表示,能够处理多种类打造型的视觉和文本查询输入。其核心的双编码器架构确保了对图像内容和分割特征的深度理解,而分割连接器则提供多尺度信息融合,大幅提升分割精度。 最X-值得关注的是,X-SAM集成了最新的Mask2Former架构作为分割解码器,这使得模型能够在单次操作中同时分割多个目标对象,彻SA底突破了传统SAM只能处理单一对象的技术限制。这一改进不仅提高了处理效率,也为复杂场景下的批量分割任务提供了可能。 在模型训练方面,研M模究团队采用了三阶段渐进式训练策略,通过逐步增强的学习过程确保模型性能的稳定提升。经过在20多个主流分割数据集上的全面测试,X-型,SAM在对话生成分割任务和图文理解任务中均取得了领先的性能表现,验证了其技术方案的有效性。 X-SAM的发布为图像分割技术发展指明了单次新方向,也为构建更加智能的通用视觉理解系统提供了重要的技术基础。研究团队表示,下一步将重点探索该技术在视频领域的应用拓展,推动图像与操作视频分割技术的统一化发展,进一步提升机器视觉理解能力的边界。 这项研究成果不仅在学术层面具有重要意义,其在自动驾驶、医疗影像、工可分业检测等实际应用场景中的潜力也值得期待。随着模型开源和技术推广,预计将推动整个计算机视觉领域的快速发展。 论文地址:https://ar割多xiv.org/pdf/2508.04655 代码地址:https://github.com/wanghao9610/X-SAM De个对mo地址: https://47.115.200.157:7861
- 最近发表
- 随机阅读
-
- 京东云:将投入数亿资源 助力20万中小企业上云
- 标签: 财政部 新能源汽车 车船税 纯电动商用车
- 谷歌更新Gemini 2.5 Flash Lite,成为最快的专有模型
- 实时高保真渲染,基于PlenOctrees的NeRF渲染速度提升3000倍
- 标签: 电科蓝天 中信建投 IPO 宇航电源
- 腾讯开源HunyuanImage 2.1!2K高清神图秒生成,复杂提示精准控多主体,AI设计效率爆表?
- 一篇带给你Serverless 云开发高阶应用
- 阿里巴巴:将继续执行阿里云分拆上市计划
- 标签: 强一股份 探针卡 MEMS 科创板
- 美国多州提议暂停新建数据中心,环保组织呼吁全国层面叫停
- 阿里云泄露用户注册信息 阿里港股收跌3.67%
- 云计算开发:Python内置函数-set()函数详解
- 标签: 天数智芯 天垓 智铠 GPU芯片
- Facebook发起新一轮广告造势:侧面抨击苹果隐私政策
- WisdomAI 推出“Proactive Agents”,让 AI 成为 24/7 的数据分析师
- 微软将在PC及iOS端测试Xbox云游戏服务
- 标签: 腾讯云 ClawPro OpenClaw 企业AI
- 首款 AI Agent浏览器 Fellou CE发布,打造“无缝衔接”的体验
- Perplexity AI 推出版权分成计划,将向新闻发行商付费
- 这个AI让马斯克头秃,还能帮他设计特斯拉
- 搜索
-
- 友情链接