Η τμηματοποίηση, δηλαδή ο εντοπισμός των εικονοστοιχείων που ανήκουν σε ένα συγκεκριμένο αντικείμενο, είναι πολύτιμη για εργασίες όπως η ανάλυση επιστημονικών εικόνων και η επεξεργασία φωτογραφιών.
Το αρχικό Segment Anything Model (SAM), που κυκλοφόρησε πέρυσι, ενέπνευσε την ανάπτυξη νέων εργαλείων επεξεργασίας εικόνας με δυνατότητες τεχνητής νοημοσύνης (AI) σε εφαρμογές, όπως το Backdrop και το Cutouts στο Instagram. Το SAM έχει επίσης ανοίξει το δρόμο σε σημαντικούς τομείς όπως η επιστήμη, η ιατρική και άλλες βιομηχανίες.
Δείτε ακόμη: Apple: Δείτε τις λειτουργίες του πολυαναμενόμενου iPhone AI
Για παράδειγμα, έχει χρησιμοποιηθεί στη θαλάσσια επιστήμη για την τμηματοποίηση εικόνων σόναρ και την ανάλυση κοραλλιογενών υφάλων, στη χρήση δορυφορικών εικόνων για τη χαρτογράφηση και ανάλυση των ζημιών για την υποστήριξη σε περιοχές που έχουν πληγεί από καταστροφές, καθώς και στον ιατρικό τομέα για την τμηματοποίηση κυτταρικών εικόνων και την ανίχνευση καρκίνου του δέρματος.
Ένα φεγγάρι που εξαφανίστηκε ίσως διαμόρφωσε τον Άρη
StealC: Κατάχρηση kiosk mode του browser για κλοπή password
Λογισμικό ακουστικών βαρηκοΐας εγκρίθηκε για τα AirPods Pro
Το νέο Segment Anything Model 2 (SAM 2) επεκτείνει τις δυνατότητές του και στον τομέα του βίντεο. Το SAM 2 έχει τη δυνατότητα να τμηματοποιεί οποιοδήποτε αντικείμενο σε εικόνες ή βίντεο και να το παρακολουθεί με συνέπεια σε όλα τα καρέ ενός βίντεο σε πραγματικό χρόνο. Τα προηγούμενα μοντέλα δεν μπόρεσαν να το επιτύχουν, καθώς η τμηματοποίηση στο βίντεο είναι αισθητά πιο δύσκολη από ό,τι στις εικόνες. Στα βίντεο, τα αντικείμενα μπορεί να κινούνται γρήγορα, να αλλάζουν εμφάνιση ή να καλύπτονται από άλλα αντικείμενα. Στην ανάπτυξη του SAM 2, καταφέραμε να επιλύσουμε πολλά από αυτά τα προβλήματα.
Πιστεύουμε ότι αυτή η έρευνα έχει τη δυνατότητα να ξεκλειδώσει νέες δυνατότητες, όπως η πιο εύκολη επεξεργασία και δημιουργία βίντεο, και να επιτρέψει τη δημιουργία καινοτόμων εμπειριών σε μικτή πραγματικότητα. Το SAM 2 θα μπορούσε επίσης να χρησιμοποιηθεί για την παρακολούθηση ενός στόχου σε βίντεο, διευκολύνοντας έτσι τον ταχύτερο σχολιασμό των οπτικών δεδομένων για την εκπαίδευση συστημάτων υπολογιστικής όρασης, συμπεριλαμβανομένων αυτών που χρησιμοποιούνται σε self-driving οχήματα. Επιπλέον, θα μπορούσε να ενεργοποιήσει δημιουργικούς τρόπους επιλογής και αλληλεπίδρασης με αντικείμενα σε πραγματικό χρόνο ή σε live βίντεο.
Διαβάστε περισσότερα: Proofpoint: Χάκερς εκμεταλλεύτηκαν σφάλμα για αποστολή Phishing email
Διατηρώντας την ανοιχτή επιστημονική μας προσέγγιση, μοιραζόμαστε την έρευνά μας για το SAM 2, δίνοντας την ευκαιρία σε άλλους να εξερευνήσουν νέες δυνατότητες και ανυπομονούμε να δούμε επίσης, πώς θα αξιοποιήσει η AI κοινότητα αυτή την έρευνα.
Πηγή: about.fb.com