站长之家（ChinaZ.com）12月14日消息: 该本文介绍了一个优化过的SAM变体，通过将原始的基于ViT的SAM图像编码器提炼成纯CNN架构，实现了40倍的速度提升，同时对性能影响较小，可以在iPhone14上以30帧每秒的速度运行。

在原始SAM的基础上，本文提出了几种提炼策略来克服任务不可知的编码器提炼无法捕捉全部知识的问题。其中包括在提炼过程中引入了提示编码器和蒙版解码器，并在循环中添加了框和点提示，以准确捕捉用户输入和蒙版生成之间的复杂动态。为了解决数据集偏差问题，研究人员还在编码器中添加了一个轻量级模块。

关键的见解是在知识蒸馏过程中考虑到提示，使学生模型能够接收任务特定的指导，并专注于更难的训练目标，比如更精细的边界。为了实现这一目标，本文提出了一种动态提示采样策略，用于动态生成多样化的提示组合，并准确识别学生模型在掩模内表现不准确的区域，从而引导其专注于这些特定的部分，并促使教师模型（即SAM）产生更高质量的掩模，以提供更精确的指导。

该本文的详细信息可在以下地址找到：https://mmlab-ntu.github.io/Project/edgesam/

（举报）

标签： EdgeSAM、

本文地址： https://yihaiquanyi.com/article/cac6233ab99ee7127dab.html

上一篇：电池企业属于什么行业属实电池企业创始人违...
下一篇：基于革命老区背景下初中生德育教育的探究与...