>> 申萬宏源-計算機行業(yè)AIGC系列之13：Meta發(fā)布SAM分割模型，或成CV大模型第一步-230410
| 上傳日期： |
2023/4/10 |
大?。?/td>
| 1673KB |
| 格式： |
pdf 共15頁 |
來源： |
申萬宏源 |
| 評級： |
看好 |
作者： |
施鑫展,劉洋,洪依真 |
| 行業(yè)名稱： |
計算機 |
| 下載權限： |
此報告為加密報告，僅限高級會員查看 |
|
|
本期投資提示：
根據(jù)Meta官方發(fā)布，2023年4月6日推出了一個AI模型Segment Anything Model（SAM，分割一切模型），能夠根據(jù)文本指令等方式實現(xiàn)圖像分割。
SAM任務目的：零樣本（zero-shot）或者簡單prompt下，就對任意圖片進行精細分割。SAM證明，多種多樣的分割任務是可以被一個通用大模型涵蓋的。
模型方法：整體輕便高效。包括三個部分：兩個encoder和一個輕量級mask decoder直接輸出有效的mask。在單塊V100上，1200x800圖生成所有的mask僅需2-3秒。
開源了SA-1B數(shù)據(jù)集，包含11億個mask，1100萬張圖片，而且可能會大幅改變原有標注范式。SAM團隊使用了更加高效的標注方式，一個mask標注平均只需要14秒時間，比COCOmask標注快6.5倍。目前這一數(shù)據(jù)庫已經(jīng)開源。
SAM應用，可能包括AR/VR、科學等多個領域。Meta預計與專門為一組固定任務訓練的系統(tǒng)相比，基于prompt工程等技術的可組合系統(tǒng)設計將支持更廣泛的應用。SAM可以成為AR、VR、內容創(chuàng)建、科學領域和更通用AI系統(tǒng)的組件。比如SAM可以通過AR眼鏡識別日常物品，為用戶提供提示。
目前應用于工業(yè)和自動駕駛等場景仍需要提升。在背景相對簡單、物體邏輯關系也并不復雜的環(huán)境下，SAM表現(xiàn)出較好效果。而在工業(yè)或自動駕駛等場景中，物體運動速度快、背景復雜、物體邏輯關系復雜，則zero-shot效果可能并不理想。
我們最終期待怎樣的CV大模型？語言大模型和小模型最大區(qū)別在于更好的泛化能力。在自然語言理解NLP中，常見任務包括翻譯、問答、文本填空等小模型任務，GPT-3等大規(guī)模預訓練模型不再規(guī)定任務，而是對以上不同任務都有較好效果。同樣的，我們期待用同一個模型，完成分割、識別、檢測、追蹤等各種類型的常見CV任務?？梢允菃文繕耍部梢允嵌嗄繕?。同時在Zero-shot、Few-shot下也可以獲得較好的效果。
SAM做到的分割一切并不是CV大模型的終點，我們期待一個模型可以無監(jiān)督完成分割、檢測、識別、跟蹤等所有CV任務，屆時視覺大模型應用會得到極大發(fā)展。
整體對上市公司影響：1、利好有攝像頭和場景客戶的企業(yè)；2、在視覺算法上有積累，可以通過CV大模型進一步提升效率的企業(yè)，是機遇也是挑戰(zhàn)；3、對于純標注類型企業(yè)，可能新的方法論會產(chǎn)生一定沖擊。
建議重點關注：1）虹軟科技，具備A股罕見的AI軟件算法能力，且聚焦在圖片/CV等領域，其圖像分割/VR/AR等技術天然適應此類趨勢。2）大華股份/AI領軍，國內在AI圖像/視頻的核心公司，中國的場景稟賦安防/視覺/AI全球領先，所以圖像/視頻的AI升級，更利于國內。3）當虹科技：當虹科技發(fā)布跨模態(tài)AIGC（人工智能生產(chǎn)內容）產(chǎn)品，以靜態(tài)照片生產(chǎn)三維體積視頻，不同模態(tài)之間相互切換。
風險提示：大模型技術中美仍存在差異，部分技術尚處于早期實驗室階段，存在落地風險。
|
|
