PulseAugur
中
实时 07:38:00
English(EN) Lean-SAM2: Target-Anchored Memory and Encoder Acceleration for SAM2

Lean-SAM2框架提升SAM2分割效率和准确性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了Lean-SAM2，一个旨在提高Segment Anything Model 2 (SAM2) 在时间可提示分割方面效率的新框架。Lean-SAM2通过引入三个关键机制来解决SAM2繁重的记忆交叉注意力（memory cross-attention）和冗余特征提取问题：目标锚定记忆剪枝（Target-Anchored Memory Pruning, TAMP）、带保险记忆的时间凝结（Temporal Condensation with Insurance Memory, TCIM）和目标锚定风险感知路由（Target-Anchored Risk-Aware Routing, TARR）。这些方法旨在保持高准确性的同时显著降低计算负载，如在LVOSv2等基准测试中实现的显著推理加速和性能提升所示。 AI

影响 提高了时间分割模型的效率，可能支持更广泛的高级分割功能的部署。

排序理由 这是一篇详细介绍新框架及其在基准测试上性能的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

Lean-SAM2框架提升SAM2分割效率和准确性

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Xudong Ouyang, Wenlun Zhang, Yimin Xu, Huazhong Liu, Yunshan Zhong ·

    Lean-SAM2：SAM2 的目标锚定记忆和编码器加速

    arXiv:2607.19811v1 Announce Type: new Abstract: The Segment Anything Model 2 (SAM2) has advanced temporal promptable segmentation, yet its deployment remains hindered by heavy memory cross-attention overhead and redundant full-frame visual feature extraction. While recent methods…

相关实体

相关话题