这不，Meta的SAM刚刚推出几天，就有国内程序猿来了波buff叠加，把目标检测、分割、生成几大视觉AI功能all in one欧亿体育！

　　比如基于Stable Diffusion和SAM，就能让照片中的椅子无缝换成沙发：

　　简单来说，这就是一个zero-shot视觉应用，只需要输入图片，就能自动化检测和分割图像。

　　该研究来自IDEA研究院（粤港澳大湾区数字经济研究院），创始人兼理事长为沈向洋欧亿体育。

　　它可以为图像/视频中的任何物体生成mask，包括训练过程中没出现过的物体和图像欧亿体育。

　　通过让SAM对于任何提示都返回有效的mask， 能够让模型在即使提示是模糊的或者指向多个对象的情况下，输出也应该是所有可能中一个合理的mask。这一任务用于预训练模型并通过提示解决一般的下游分割任务。

　　模型框架主要由一个图像编码器、一个提示编码器和一个快速mask解码器组成。在计算图像嵌入后，SAM能够在50毫秒内根据web中的任何提示生成一个分割。

　　二者结合后，可以通过文本描述找到图片中的任意物体，然后通过SAM强大的分割能力，细粒度地分割出mask.

　　在这些能力之上，他们还叠加了Stable Diffusion的能力，也就是开头所展示的可控图像生成。

　　值得一提的是，Stable Diffusion此前也能够实现类似功能。只要涂抹掉想替换的图像元素，再输入文本提示就可以。

　　这一回，Grounded SAM能够省去手动选区这个步骤，直接通过文本描述来控制。

　　具体食用方法也已在GitHub上给出。项目需要Python 3.8以上版本，pytorch 1.7以上版本，torchvision 0.8以上版本，并要安装相关依赖项。具体内容可看GitHub项目页。

　　公开消息显示，该研究院是一所面向人工智能、数字经济产业及前沿科技的国际化创新型研究机构，前微软亚研院首席科学家、前微软全球智行副总裁沈向洋博士担任创始人及理事长。

　　构成一个自动生成图像标签、box和mask的pipeline，并能生成新的图像。

　　值得一提的是，该项目的团队成员中，有不少都是知乎AI领域活跃的答主，这次也在知乎上自答了关于Grounded SAM的内容，感兴趣的童鞋可以去留言请教~

　　原标题：《视觉AI能力大一统！自动化图像检测分割，还能可控文生图，华人团队出品》

　　本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。欧亿体育欧亿体育