>> 國信證券-人工智能行業(yè)專題：SAM帶領(lǐng)CV領(lǐng)域技術(shù)突破，賦能多場景AI應(yīng)用-230804
| 上傳日期： |
2023/8/4 |
大小： |
6934KB |
| 格式： |
pdf 共30頁 |
來源： |
國信證券 |
| 評級： |
超配 |
作者： |
熊莉,庫宏垚 |
| 下載權(quán)限： |
此報告為加密報告 |
|
|
核心觀點
SAM模型為CV領(lǐng)域的ChatGPT，為計算機視覺帶來技術(shù)突破。Meta公司近期推出了其創(chuàng)新的AI模型——Segment Anything Model (SAM)，專門用于計算機視覺（CV）領(lǐng)域的圖像分割任務(wù)。這一模型吸取了ChatGPT基于提示（Prompt）的學(xué)習(xí)范式，實現(xiàn)了預(yù)訓(xùn)練與特定下游任務(wù)之間的緊密結(jié)合，從而顯著提高了模型的泛化能力。更為出色的是，SAM還展現(xiàn)出了卓越的零樣本學(xué)習(xí)效果。SAM的設(shè)計初衷和核心愿景是為了簡化圖像分割流程。它旨在減少對專業(yè)建模知識的依賴，同時也降低了大規(guī)模訓(xùn)練計算的需求。與此同時，SAM模型還大大降低了用戶手動標注掩碼的需求。其最終目標是使用戶在“不會/少會操作、不標注/少標注數(shù)據(jù)、不訓(xùn)練/少訓(xùn)練模型”的前提下，也能夠?qū)崿F(xiàn)高效的圖像目標分割。
SAM引起AI屆的廣泛關(guān)注和討論，并產(chǎn)生相關(guān)衍生模型，提升模型功能，增加應(yīng)用可能性。其衍生模型在分割效率、醫(yī)學(xué)影像分割、陰影缺陷檢測、偽體識別和動態(tài)圖像分割等領(lǐng)域有性能提升，如SEEM模型結(jié)合了SAM的零樣本泛化能力和檢測器，可以根據(jù)多種用戶輸入分割圖像或視頻中的內(nèi)容；MedSAM對SAM進行微調(diào)，專門針對醫(yī)學(xué)影像分割，并顯示出比SAM更優(yōu)的性能；通過適配方法生成SAM-Adapter，其性能得以提升，特別是在陰影檢測和偽裝物體分割等任務(wù)上；SAM-Track項目拓展了SAM模型，增強其視頻分割能力，可廣泛應(yīng)用于多種視頻場景，提供高準確性和可靠性的視頻編輯功能。SAM衍生模型或可應(yīng)用與運動場景、醫(yī)學(xué)影像、遙感圖像等圖像分割難度較大的領(lǐng)域。
SAM及其衍生模型可基于強大的性能賦能多場景應(yīng)用，催生巨大應(yīng)用藍海。如SAM在零樣本學(xué)習(xí)上表現(xiàn)優(yōu)秀，可減少已有的CV領(lǐng)域訓(xùn)練數(shù)據(jù)量，實現(xiàn)降本增效；或在在標記數(shù)據(jù)稀缺或獲取成本高的領(lǐng)域有許多潛在的應(yīng)用?？蓪⒋竽Ｐ蛻?yīng)用在CV領(lǐng)域的制造業(yè)賽道，如工業(yè)機器視覺行業(yè)；可將模型應(yīng)用于計算機視覺的下游應(yīng)用賽道，包括自動駕駛、安防系統(tǒng)、AR領(lǐng)域等；此外遙感圖像、醫(yī)學(xué)影像領(lǐng)域，由于圖像分割難度較高，技術(shù)還需突破，可長期關(guān)注。
風(fēng)險提示：1、技術(shù)發(fā)展不及預(yù)期；2、算力、數(shù)據(jù)支持不及預(yù)期；3、應(yīng)用落地不及預(yù)期；4、行業(yè)競爭加劇。
投資建議：建議關(guān)注AIGC在CV領(lǐng)域應(yīng)用的相關(guān)賽道，維持超配評級。AI大模型正在推動空天信息產(chǎn)業(yè)的發(fā)展，其中遙感大模型技術(shù)日益顯現(xiàn)其重要性。相對于傳統(tǒng)方法的局限性，大模型提供了統(tǒng)一分割、識別和生成遙感圖像的能力，顯著提高了效率和魯棒性?；诖送扑]相關(guān)標的1）航天宏圖：推出了天權(quán)大模型，提升了各類遙感數(shù)據(jù)的處理性能；2）中科星圖：推出了空天靈眸大模型，推動在線數(shù)字地球業(yè)務(wù)。
|
|
