Meta Segment Anything Model 2（SAM 2）是 Meta 推出的下一代对象分割模型，它支持视频和图像中的对象分割。
SAM 2 的主要特点和优势包括：
SAM 2 采用了流式架构和记忆机制等技术。流式架构是 SAM 到视频领域的自然泛化，可实时处理任意长度的视频；记忆机制则可以存储对象的交互信息和之前处理过的信息，使模型能够在整个视频中实现预测行为，并能根据存储的对象记忆上下文有效地纠正预测。
不过，SAM 2 也存在一些局限性，例如在处理长时间遮挡、拥挤场景或快速移动物体时可能会丢失对象跟踪或混淆物体，在分割多个对象时效率会降低等。但这些情况可以通过人为干预提供细化提示来解决。
总的来说，SAM 2 的发布是 Meta 在开放科学和人工智能领域的重要进展，它有可能成为更大 AI 系统的一部分，推动对世界的多模态理解，并在工业和创意领域有着广泛的应用潜力。
免责声明：本网站仅提供网址导航服务，对链接内容不负任何责任或担保。
2 个月前
AI 国际简讯 2025年02月18日 微软发布OmniParser V2.0工具，用于识别和解析屏幕上的可交互图标，新版本提升交互图标解析能力。 Meta Reality Labs 的研究团队推出"Pippo"模型，可从普通照片生成1K分辨率的多视角视频。 苹果将在Vision Pro头戴设备中推出Apple Intelligence系统，提供书写工具、Genmojis表情和图像功能。 JetBrains更新"AI Assistant"应用，支持本地大语言模型调用，可直接使用DeepSeek等离线模型。
4 个月前
12月6日，Meta AI推出了新开源模型Llama 3.3 70B。 Meta AI副总裁Ahmad Al-Dahle在社交媒体平台发布的一篇帖子中表示，这款仅支持文本的Llama 3.3 70B模型与Meta最大型模型Llama 3.1 405B的性能相当，但运行起来更简单、更经济高效。
7 个月前
语言大模型（LLM）能够生成图片和视频的能力主要依赖于其多模态学习和生成技术。
8 个月前
Meta的Transfusion模型代表了多模态AI领域的一个重要进展，成功地将Transformer架构与扩散模型（Diffusion models）结合起来，实现了对文本和图像的统一处理和生成。
9 个月前
Meta推出了其 “分割一切AI” 的第二代——SAM2，不仅能实时处理任意长度的视频，连视频中从未见过的物体也能轻松分割追踪。
9 个月前
据称，Llama3.1开源大模型的表现能力优于ChatGPT-4o。
