SAM 2.1
PulseAugur coverage of SAM 2.1 — every cluster mentioning SAM 2.1 across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
SAM 2.1 微调以改进三维重建中的建筑构件分割
研究人员在 HBD 数据集上微调了 SAM 2.1（一个视觉基础模型），以改进二维图像中建筑构件的分割。这种适应性将 11 个不同建筑类别的 mIoU 从 49.9% 显著提高到 69.6%。随后，增强的分割能力与 Group Anything with Radiance Fields (GARField) 集成，以改进建筑结构的三维重建。
-
UniCounting 解决了无图像查询的多类别视觉计数问题
研究人员推出了一种新颖的无图像查询多类别视觉计数方法 UniCounting。与专注于具有特定示例的单类别计数方法不同，UniCounting 仅凭 RGB 图像即可预测完整的类别-计数向量，并使用固定的全局词汇表。该系统利用 SAM 2.1 等通用分割器生成掩码，并利用 DINOv2 和 OpenCLIP 进行特征提取，仅训练一个小型关系头来推断相同实例的亲和力。该方法旨在提高图像中多类别计数的准确性并减少错误。
-
研究人员寻求arXiv推荐以支持其Locate-SAM2计算机视觉论文
两位独立研究员正在为其关于名为Locate-SAM2的新型计算机视觉系统的论文寻求推荐。该系统通过一个轻量级适配器连接NVIDIA的LocateAnything-3B和Meta的SAM 2.1，旨在确定选择的定位器是否会影响模块化文本到掩码（text-to-mask）流程中的掩码质量。他们的工作在RefCOCO数据集上展示了具有竞争力的性能，达到了0.772 mIoU，并包含了详细的比较、消融研究以及失败案例分析。
-
TinySAM 2 提供高效视频分割，具有极度内存压缩
研究人员开发了 TinySAM 2，这是 Segment Anything Model 2 (SAM 2) 的一个更高效版本，用于视频分割和对象跟踪。TinySAM 2 采用内存质量管理机制和联合时空令牌压缩，显著降低了内存存储和计算成本。通过这些优化，该模型仅使用 7% 的内存令牌和 3% 的训练数据即可达到 SAM 2.1 性能的 90%，使其更适合在资源受限的设备上部署。