Madde #324Görü & Multimodal/sozluk/segment-anything-model-sam
Segment Anything Model (SAM)
Segment Anything Model (Kirillov et al., Meta AI 2023)
Türkçe: Her Şeyi Bölütleme Modeli (SAM)
Ayrıntılı Tanım
11 milyon görsel ve 1 milyar maskeden oluşan devasa SA-1B veri setiyle eğitilen; kullanıcıdan gelen tek bir tıklama noktası, kutu veya metin komutuyla görüntünün içindeki **herhangi bir nesneyi sıfır hata ve sıfır ek eğitimle anında bölütleyebilen** temel görsel modeldir.
Ne İşe Yarar / Çözülen Problem
Bilgisayarlı görüde her yeni nesne türü için sıfırdan bölütleme modeli eğitme mecburiyetini bitirmiştir; bilgisayarlı görünün "GPT anı" olarak kabul edilir.
Nasıl Çalışır? (Teknik & Mekanizma)
Üç parçalı çalışır:
1. Ağır bir Vision Transformer (ViT) görüntü kodlayıcı (görüntüyü bir kez işler).
2. Kullanıcı komutlarını (tıklama, kutu) kodlayan hafif komut kodlayıcı.
3. Milisaniyeler içinde web tarayıcısında bile çalışan ultra hafif bir maske dekoderi.
Örnek Senaryo & Pratik Uygulama
Photoshop'ta sihirli değnek aracı: Bir fotoğrafta köpeğin burnuna tek bir kez tıkladığınız anda SAM'in köpeğin tüm gövdesini milimetrik bir neon sınır çizgisiyle anında seçip arka plandan ayırması.
Benzer Terimlerden Farkı
Nesnenin adını bilmek zorunda değildir; sadece komut verilen pikselin nesnel sınırlarını geometri ve doku mantığıyla kusursuz yakalar.
İlişkili Terimler (3)
Bilgisayarlı Görü, Çok Modlu ve Üretken Yapay Zekâ
CNN, Vision Transformers (ViT), Diffusion, GAN, VAE ve Multimodal modeller.
Toplam Terim:53 Madde
Bu Kategorideki Tüm Terimleri Gör →Önceki Terim (#323)Flamingo
Sonraki Terim (#325)Depth Anything