热点

中山大学联合美团打造X-SAM模型,单次操作可分割多个对象,20项测试全面领先

字号+ 作者:牛骥同槽网 来源:开箱评测 2026-11-23 我要评论(0)

中山大学联合美团打造X-SAM模型,单次操作可分割多个对象,20项测试全面领先

中山大学、鹏城实验室与美团三方联合研发的X-SAM图像分割模型近期正式发布,这款多模态大模型在图像分割领域实现了重要突破,将传中山统的"分割万物"能力升级为"任意分割",显著提升了模型的适应性和应用范围。

传统的Segment Anything Model(SAM)虽然大学在生成密集分割掩码方面表现出色,但其只能接受单一视觉提示输入的设计局限性明显。针对这一技术瓶颈,研究团队创新性地提出了视觉定位分联合割(Visual Grounded Segmentation, VGS)任务框架,通过交互式视觉提示实现对所有实例对象的精确分割,为多模态大语美团言模型提供了像素级的理解能力。

X-SAM的技术架构采用了多项创新设计。模型支持统一的输入格式和输出表示,能够处理多种类型的视觉和打造文本查询输入。其核心的双编码器架构确保了对图像内容和分割特征的深度理解,而分割连接器则提供多尺度信息融合,大幅提升分割精度。

最值得X-关注的是,X-SAM集成了最新的Mask2Former架构作为分割解码器,这使得模型能够在单次操作中同时分割多个目标对象,彻底突破了传SA统SAM只能处理单一对象的技术限制。这一改进不仅提高了处理效率,也为复杂场景下的批量分割任务提供了可能。

在模型训练方面,研究团队采用了M模三阶段渐进式训练策略,通过逐步增强的学习过程确保模型性能的稳定提升。经过在20多个主流分割数据集上的全面测试,X-SAM在对话生成分型,割任务和图文理解任务中均取得了领先的性能表现,验证了其技术方案的有效性。

X-SAM的发布为图像分割技术发展指明了新方向,也为构建更加智能单次的通用视觉理解系统提供了重要的技术基础。研究团队表示,下一步将重点探索该技术在视频领域的应用拓展,推动图像与视频分割技术的统一化发展,进操作一步提升机器视觉理解能力的边界。

这项研究成果不仅在学术层面具有重要意义,其在自动驾驶、医疗影像、工业检测等实际应用场景中的潜力也值得期可分待。随着模型开源和技术推广,预计将推动整个计算机视觉领域的快速发展。

论文地址:https://arxiv.org/pdf/250割多8.04655

代码地址:https://github.com/wanghao9610/X-SAM

Demo地址: https://47.11个对5.200.157:7861

1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创文章,请转载时务必注明文章作者和来源,不尊重原创的行为我们将追究责任;3.作者投稿可能会经我们编辑修改或补充。

相关文章
  • 标签: 恋与深空 敖尹 祁煜 夏以昼

    标签: 恋与深空 敖尹 祁煜 夏以昼

    2026-11-14

  • 标签: 逐际动力 LimX COSA Oli 具身智能

    标签: 逐际动力 LimX COSA Oli 具身智能

    2026-11-21

  • 云计算开发:Python内置函数-memoryview()函数详解

    云计算开发:Python内置函数-memoryview()函数详解

    2026-06-16

  • 标签: 罗姆 SiC功率器件 汽车半导体 xEV

    标签: 罗姆 SiC功率器件 汽车半导体 xEV

    2026-11-19

网友点评