>> 華西證券-計算機行業(yè):SAM,機器視覺領域的ChatGPT-230410
| 上傳日期: |
2023/4/11 |
大?。?/td>
| 1351KB |
| 格式: |
pdf 共11頁 |
來源: |
華西證券 |
| 評級: |
推薦 |
作者: |
劉澤晶 |
| 行業(yè)名稱: |
計算機 |
| 下載權(quán)限: |
無限制-登錄即可下載 |
|
|
SAM,機器視覺領域的ChatGPT Meta AI發(fā)布通用大模型SAM,SAM功能強大,SAM是一種可提示的分割系統(tǒng),可對不熟悉的對象和圖像進行零樣本泛化,無需額外訓練。SAM優(yōu)勢眾多,可與其他系統(tǒng)靈活集成、可進行可拓展式輸出等。我們認為零樣本泛化能力是SAM的最強大之處,原因是SAM已經(jīng)了解了物體是什么的一般概念,這種理解可以在不需要額外訓練的情況下對不熟悉的物體和圖像進行零樣本泛化。 SAM訓練模型實為CV領域的數(shù)據(jù)引擎,參數(shù)方面的高級功能是其對通過使用模型在環(huán)“數(shù)據(jù)引擎”收集的數(shù)百萬張圖像和掩碼進行訓練的結(jié)果,此外,SAM已經(jīng)實現(xiàn)開源,算力部分尤為重要,根據(jù)Meta官網(wǎng)數(shù)據(jù),該模型已經(jīng)實現(xiàn)在GitHub上開源,算力模型訓練部分,該模型在256個A100 GPU上訓練了3-5天,推理部分,可在NVIDIAA100 GPU上,圖像編碼器大約需要0.15秒。此外,SAM的模型設計極其靈活。 SAM實為解放生產(chǎn)力的雙手 我們認為SAM對機器視覺會產(chǎn)生革命性的影響,原因是從機器視覺的角度來說,感知永遠是處于智能模塊的流程前期,且我們認為感知在AI機器視覺領域占據(jù)絕大部分的功耗,原因是感知需要將數(shù)據(jù)轉(zhuǎn)換成特征向量。就智能駕駛而言,圖像分割是深度神經(jīng)網(wǎng)絡架構(gòu),在智能駕駛極為重要,SAM出世后,我們認為此神經(jīng)網(wǎng)絡有望直接被SAM大模型代替,效率大幅提升,模型預訓練所需的時間、人力成本有望大幅降低,同理,其他領域機器視覺同樣受益,例如智慧安防領域、家用攝像頭領域、工業(yè)智檢領域、地理信息化領域、3D建模領域等。 投資建議: SAM的橫空出世有望對機器視覺產(chǎn)生革命性的影響,我們認為以下應用領域有望受益: 1)智能駕駛,受益標的為中科創(chuàng)達、虹軟科技、光庭信息、四維圖新、東軟集團等; 2)安防領域,受益標的為??低?、當虹科技、大華股份等; 3)家用攝像頭與機器人領域,受益標的為科沃斯、石頭科技等; 4)工業(yè)質(zhì)檢領域,受益標的為凌云光、用友網(wǎng)絡、奧比中光等; 5) MR、XR領域,受益標的為歌爾股份、立訊精密、微導納米、長盈精密等; 6)地理信息化領域,受益標的為航天宏圖、中科星圖、超圖軟件等; 7)3D建模仿真領域,受益標的為華如科技、霍萊沃等; 風險提示 核心技術(shù)水平升級不及預期的風險;AI倫理風險;政策推進不及預期的風險;中美貿(mào)易摩擦升級的風險。
|
|