>> 長江證券-軟件與服務行業(yè)研究：Meta發(fā)布SAM，CV領域迎來GPT時刻-230410
| 上傳日期： |
2023/4/11 |
大?。?/td>
| 948KB |
| 格式： |
pdf 共4頁 |
來源： |
長江證券 |
| 評級： |
看好 |
作者： |
宗建樹 |
| 下載權(quán)限： |
此報告為加密報告，僅限高級會員查看 |
|
|
事件描述
2023年4月Meta發(fā)布了人工智能模型SAM，可以從圖像中挑選出單個對象，以及一個圖像注釋數(shù)據(jù)集。Meta官方表示這是有史以來最大的分割數(shù)據(jù)集（Segmentation Dataset）。根據(jù)官網(wǎng)演示，該模型或可實現(xiàn)圖片多樣分割、可提示的設計分割、可擴展的輸出以及零樣本遷移。
事件評論
Meta發(fā)布SAM，CV有望走向新范式。SAM最高參數(shù)量約6.36億，圖片規(guī)模1100萬，目前可以實現(xiàn)交互分割+自動分割，且可以實現(xiàn)全圖一鍵分割。該分割算法相較于以往主要變化在于兩點（1）架構(gòu)變化：基于vit架構(gòu)，引入Transformer和RNN，傳統(tǒng)視覺算法為CNN；（2）出現(xiàn)零樣本學習遷移，即沒訓練過的物體也可以識別，傳統(tǒng)CV均需專項訓練后才可有效識別。其作用首先可以在圖像標注、分割上作為工具提升效率，其次其出現(xiàn)的零樣本學習有望進一步探索新的CV邊界。
除此之外，Meta發(fā)布圖像注釋數(shù)據(jù)集Segment Anything 1-Billion（SA-1B），包含10億掩模。傳統(tǒng)視覺算法圖像分割需要提前定義分割特定對象的類別及大量手動注釋對象來訓練。SAM將交互分割和自動分割相結(jié)合，掩模數(shù)據(jù)集中99.1%實現(xiàn)自動生成。同時SAM有望實現(xiàn)根據(jù)提示詞進行分割。即未來圖像分割范式有望向更加泛化發(fā)展。
模型仍有缺陷，但未來成長可期。根據(jù)實測該模型對于地面裂縫類似的刁鉆圖像效果仍不如傳統(tǒng)算法，目前該模型應該僅在特征明顯的物體上有著更好的效果，對于長尾場景處理仍有缺陷。但根據(jù)模型論文描述，該模型目前僅用1100萬圖片及參數(shù)量僅6.36億，訓練細節(jié)為在256張A100上訓練68h后得到，訓練潛力仍可期。
下一個U-net，遠觀有望帶來新場景從可用轉(zhuǎn)向好用。新的模型架構(gòu)及新的作用實現(xiàn)，該模型有望成為下一個CV foundation model。借鑒U-net分割算法出現(xiàn)帶動生物醫(yī)學圖像分割識別走向新階段，SAM圖像分割新范式有望使更多CV復雜場景從可用走向好用。建議關(guān)注視覺相關(guān)場景，例如安防、智能駕駛、XR、遙感應用、工業(yè)視覺。公司層面建議關(guān)注中科創(chuàng)達（XR疊加智能駕駛疊加工業(yè)視覺）、經(jīng)緯恒潤（智能駕駛)、航天宏圖（結(jié)合遙感數(shù)據(jù)應用增效加速場景落地）等公司。
風險提示
1、技術(shù)發(fā)展不及預期；
2、下游應用需求不及預期。
|
|
