【ITBEAR科技資訊】5月31日消息，北京智源人工智能研究院在今天的中關(guān)村論壇人工智能大模型發(fā)展論壇上推出了一款名為SegGPT(Segment Everything In Context)的通用分割模型。
SegGPT是智源人工智能研究院基于其通用視覺模型Painter開發(fā)的一款衍生模型。據(jù)稱，這款模型具備出色的上下文推理能力，訓(xùn)練完成后只需提供示例即可完成各種分割任務(wù)，涵蓋圖像和視頻中的實(shí)例、類別、零部件、輪廓、文本、人臉和醫(yī)學(xué)圖像等。使用視覺提示詞(prompt)即可輕松實(shí)現(xiàn)分割任務(wù)。
與此同時(shí)，SegGPT還擁有支持任意數(shù)量視覺提示的推理能力。它能夠通過使用第一幀圖像和相應(yīng)的物體掩碼作為上下文示例，自動(dòng)進(jìn)行視頻分割，并且可以根據(jù)掩碼的顏色為物體分配獨(dú)特的ID，實(shí)現(xiàn)自動(dòng)追蹤。
據(jù)ITBEAR科技資訊了解，在此之前，meta公司也發(fā)布了基于人工智能的Segment Anything Model(SAM)模型，該模型能夠識別和分離圖像和視頻中的特定對象。此外，威斯康辛麥迪遜大學(xué)、微軟、香港科技大學(xué)等機(jī)構(gòu)的研究人員也推出了名為SEEM的模型，通過不同的視覺提示和語言提示，實(shí)現(xiàn)一鍵分割圖像和視頻的功能。
SegGPT的推出將為圖像和視頻分割任務(wù)提供更加便捷和高效的解決方案，為人們在各種領(lǐng)域的應(yīng)用場景中提供更多可能性。相信隨著這些通用分割模型的不斷發(fā)展和創(chuàng)新，人們將能夠更好地利用人工智能技術(shù)，實(shí)現(xiàn)更精確和高質(zhì)量的圖像和視頻分割效果。
