SAM 2在伪装对象分割任务中的性能评估

【Evaluating SAM2’s Role in Camouflaged Object Detection: From SAM to SAM2】

本篇文章是个人看文献的一些总结和个人的想法,都是个人看过文章之后的理解,不保证一定是对的,如果我的理解有错,欢迎纠正。

(2024.7.31)

文章使用伪装对象检测(COD)任务作为案例研究来分析从SAM过渡到SAM2所涉及的进展和妥协。发现1)在伪装对象分割任务中,当SAM2模型提供分割提示时,它的性能比SAM有很大的提高。2)然而,当在自动模式下工作时,SAM2和SAM的任务都是在没有提示的情况下感知图像中的所有物体,SAM2的性能明显下降。文章希望其发现能进一步鼓励研究人员探索SAM和SAM2。

伪装图像数据集:CAMO、COD10K、NC4K和MoCA-Mask三个基准数据集。

暂无评论

发送评论 编辑评论


				
|´・ω・)ノ
ヾ(≧∇≦*)ゝ
(☆ω☆)
(╯‵□′)╯︵┴─┴
 ̄﹃ ̄
(/ω\)
∠( ᐛ 」∠)_
(๑•̀ㅁ•́ฅ)
→_→
୧(๑•̀⌄•́๑)૭
٩(ˊᗜˋ*)و
(ノ°ο°)ノ
(´இ皿இ`)
⌇●﹏●⌇
(ฅ´ω`ฅ)
(╯°A°)╯︵○○○
φ( ̄∇ ̄o)
ヾ(´・ ・`。)ノ"
( ง ᵒ̌皿ᵒ̌)ง⁼³₌₃
(ó﹏ò。)
Σ(っ °Д °;)っ
( ,,´・ω・)ノ"(´っω・`。)
╮(╯▽╰)╭
o(*////▽////*)q
>﹏<
( ๑´•ω•) "(ㆆᴗㆆ)
😂
😀
😅
😊
🙂
🙃
😌
😍
😘
😜
😝
😏
😒
🙄
😳
😡
😔
😫
😱
😭
💩
👻
🙌
🖕
👍
👫
👬
👭
🌚
🌝
🙈
💊
😶
🙏
🍦
🍉
😣
Source: github.com/k4yt3x/flowerhd
颜文字
Emoji
小恐龙
花!
上一篇
下一篇