تعرف على SAM ، أداة تقسيم الصور AI الجديدة من Meta والتي تتعامل مع الصور المعقدة من أجلك

تم الكشف عن نموذج Meta الجديد لشريحة أي شيء. نموذج SAM هو طريقة جديدة لإنشاء أقنعة عالية الجودة لتجزئة الصور.

تذكير: تجزئة الصورة هي مهمة أساسية في رؤية الكمبيوتر تهدف إلى تقسيم الصورة إلى مناطق تتوافق مع كائنات مختلفة أو فئات دلالية ولها العديد من التطبيقات ، مثل اكتشاف الأشياء وفهم المشهد وتحرير الصور وتحليل الفيديو.

ومع ذلك ، فإن تجزئة الصورة هي أيضًا مشكلة صعبة ، خاصة عند التعامل مع المشاهد المعقدة التي تحتوي على كائنات متعددة بأشكال وأحجام ومظاهر مختلفة. علاوة على ذلك ، تتطلب معظم طرق تجزئة الصور الحالية كميات كبيرة من البيانات المشروحة للتدريب ، والتي قد تكون مكلفة وتستغرق وقتًا طويلاً للحصول عليها. تريد Meta حل هذه المشكلة باستخدام نموذج SAM.

نموذج SAM: ما هو نموذج الجزء الجديد من Meta؟

نموذج Segment Anything Model (SAM) هو نموذج ذكاء اصطناعي جديد وقوي يمكنه تقسيم أي كائن في صورة أو مقطع فيديو بجودة وكفاءة عالية. التجزئة هي عملية فصل كائن عن خلفيته أو كائنات أخرى وإنشاء قناع يحدد شكله وحدوده. باستخدام نموذج SAM ، ستصبح مهام التحرير والتركيب والتتبع والتعرف والتحليل أسهل.

يختلف SAM عن نماذج التجزئة الأخرى بعدة طرق ، مثل:

• SAM قابل للمطالبة ، مما يعني أنه يمكن أن يتطلب مطالبات إدخال مختلفة ، مثل النقاط أو المربعات ، لتحديد الكائن المراد تقسيمه. على سبيل المثال ، يمكنك رسم مربع حول وجه الشخص ، وسيقوم نموذج الجزء أي شيء بإنشاء قناع للوجه. يمكنك أيضًا إعطاء مطالبات متعددة لتقسيم كائنات متعددة مرة واحدة. يمكن لنموذج SAM التعامل مع المشاهد المعقدة ذات الانسدادات والانعكاسات والظلال.
• تم تدريب SAM على مجموعة بيانات ضخمة من 11 مليون صورة و 1.1 مليار قناع ، وهي أكبر مجموعة بيانات تجزئة حتى الآن. تغطي مجموعة البيانات هذه مجموعة كبيرة من العناصر والفئات ، مثل الحيوانات والنباتات والمركبات والأثاث والطعام وغير ذلك. يمكن لـ SAM تقسيم الكائنات التي لم يسبق لها مثيل من قبل ، وذلك بفضل قدرتها على التعميم وتنوع البيانات.
• يتمتع SAM بأداء قوي من الصفر في مجموعة متنوعة من مهام التجزئة. تعني Zero-shot أن SAM يمكنه تقسيم الكائنات دون أي تدريب إضافي أو ضبط دقيق على مهمة أو مجال معين. على سبيل المثال ، يمكن لـ SAM تقسيم الوجوه واليدين والشعر والملابس والإكسسوارات دون أي معرفة أو إشراف مسبق. يمكن لنظام SAM أيضًا تقسيم الكائنات بطرق مختلفة ، مثل صور الأشعة تحت الحمراء أو خرائط العمق.

يحقق نموذج SAM نتائج رائعة في معايير تجزئة الصور المختلفة ، مثل COCO. يتفوق SAM أيضًا أو يطابق الأساليب السابقة الخاضعة للإشراف الكامل في العديد من مهام التجزئة الصفرية ، مثل تقسيم الشعارات أو النصوص أو الوجوه أو الرسومات. إنه يوضح تعدد استخداماته وقوته عبر المجالات والسيناريوهات المختلفة.

فى المستقبل: لا يزال مشروع Segment Anything Model (نموذج SAM) في أيامه الأولى. وفقًا لـ Meta ، هذه بعض التطبيقات المستقبلية لنموذج Segment Anything Model:

• قد تستخدم نظارات الواقع المعزز في المستقبل SAM للتعرف على الأشياء الشائعة وتقديم تذكيرات وتعليمات مفيدة.

• SAM لديه القدرة على التأثير على العديد من المجالات الأخرى ، مثل الزراعة وعلم الأحياء. في يوم من الأيام ، قد يفيد المزارعون والعلماء.

يمكن أن يكون نموذج SAM طفرة في رؤية الكمبيوتر وأبحاث الذكاء الاصطناعي. يوضح إمكانات النماذج الأساسية للرؤية ، وهي نماذج يمكنها التعلم من البيانات واسعة النطاق ونقلها إلى مهام ومجالات جديدة.

ميزات نموذج أي شيء المقطع (نموذج SAM)

فيما يلي بعض قدرات طراز SAM:

• باستخدام نموذج SAM ، يمكن للمستخدمين تقسيم الكائنات بسرعة وسهولة عن طريق تحديد نقاط فردية لتضمينها أو حذفها من التجزئة. يمكن أيضًا استخدام مربع الحدود كإشارة للنموذج.
• عند وجود عدم يقين فيما يتعلق بالعنصر الذي يتم تجزئته ، يمكن أن ينتج نموذج SAM العديد من الأقنعة الصالحة ، وهي مهارة حاسمة وحاسمة لحل التجزئة في العالم الحقيقي.
• أصبح الاكتشاف التلقائي للكائنات وإخفائها الآن أمرًا سهلاً باستخدام نموذج Segment Anything Model.
• بعد الحساب المسبق لدمج الصورة ، يمكن لنموذج Segment Anything Model توفير قناع تجزئة لأي مطالبة على الفور ، مما يتيح التفاعل في الوقت الفعلي مع النموذج.

مثير للإعجاب ، أليس كذلك؟ إذن ما هي التكنولوجيا وراء ذلك؟

كيف يعمل نموذج SAM؟

أحد أكثر الاكتشافات إثارة للاهتمام في البرمجة اللغوية العصبية ومؤخرًا في رؤية الكمبيوتر هو استخدام نهج "التحفيز" لتمكين التعلم بدون طلقة وقليلة اللقطات على مجموعات البيانات والمهام الجديدة باستخدام نماذج الأساس. وجد ميتا الدافع في هذا المجال.

إذا تم إعطاء نقاط مقدمة / خلفية ، أو مربعًا تقريبيًا أو قناعًا ، أو نصًا حرًا ، أو أي إدخال آخر يشير إلى ما سيتم تقسيمه في الصورة ، فقد قام فريق Meta AI بتعليم نموذج Segment Anything Model لإنشاء قناع تجزئة مناسب. تشير الحاجة إلى قناع مناسب فقط إلى أن الإخراج يجب أن يكون قناعًا مناسبًا لأحد الأشياء التي قد تشير إليها المطالبة (على سبيل المثال ، يمكن أن تمثل نقطة على قميص القميص أو الشخص الذي يرتديه). تُستخدم هذه المهمة للتدريب المسبق للنموذج ولتوجيه حل مشاكل التجزئة العامة في اتجاه مجرى النهر.

لاحظت Meta أن مهمة ما قبل التدريب وجمع البيانات التفاعلية فرضت قيودًا معينة على بناء النموذج. على وجه الخصوص ، يحتاج المعلقون إلى أن يكونوا قادرين على استخدام نموذج Segment Anything Model في المتصفح ، بشكل تفاعلي ، في الوقت الفعلي ، على وحدة المعالجة المركزية (CPU) حتى يكون فعالاً. على الرغم من ضرورة وجود حل وسط بين الجودة والسرعة لتلبية متطلبات وقت التشغيل ، يكتشفون أن النهج المباشر ينتج عنه نتائج مرضية.

في النهاية الخلفية ، يُنشئ برنامج تشفير الصور دمجًا فريدًا للصورة ، في حين أن المشفر خفيف الوزن يمكنه على الفور تحويل أي استعلام إلى متجه تضمين. ثم يتم استخدام مفكك تشفير خفيف الوزن لدمج مصدري البيانات هذين من أجل توقع أقنعة التجزئة. بعد حساب تضمين الصورة ، يمكن لـ SAM الرد على كل استعلام في متصفح الويب بقطعة في حوالي 50 مللي ثانية.

SAM هي أداة مفيدة للمحترفين المبدعين والمتحمسين الذين يرغبون في تحرير الصور ومقاطع الفيديو بسهولة ومرونة. لكن عليك أولاً أن تتعلم كيفية الوصول إليها واستخدامها.

كيف يتم استخدام نموذج المقطع أي شيء (نموذج SAM)؟

تم تطوير SAM بواسطة Meta AI Research (سابقًا Facebook AI Research) ، وهو متاح للجمهور على GitHub جيثب:. يمكنك أيضًا تجربة SAM عبر الإنترنت باستخدام ملف عرض أو قم بتنزيل مجموعة البيانات (SA-1B) التي تضم مليار قناع و 1 مليون صورة. النموذج سهل الاستخدام ؛ ما عليك سوى اتباع هذه الخطوات:

• قم بتنزيل العرض التوضيحي أو انتقل إلى العرض التوضيحي لـ Segment Anything Model.
• قم بتحميل صورة أو اختر واحدة في المعرض.
• إضافة ومجالات الموضوع
  • إخفاء المناطق عن طريق إضافة نقاط. حدد إضافة منطقة ، ثم حدد الكائن. قم بتحسين القناع عن طريق تحديد Remove Area ، ثم حدد المنطقة.

ثم أكمل مهمتك كما تريد!

لمزيد من المعلومات، انقر فوق هنا.

---

مجاملة صورة: مييتااا

منظمة العفو الدولية 101

هل أنت جديد في مجال الذكاء الاصطناعي؟ لا يزال بإمكانك ركوب قطار الذكاء الاصطناعي! لقد أنشأنا ملف مسرد الذكاء الاصطناعي الأكثر استخدامًا مصطلحات الذكاء الاصطناعي وشرح أساسيات الذكاء الاصطناعي فضلا عن مخاطر وفوائد الذكاء الاصطناعي. لا تتردد في استخدامها. تعلُّم كيفية استخدام الذكاء الاصطناعي هو تغيير قواعد اللعبة! نماذج الذكاء الاصطناعى سوف تغير العالم.

أدوات الذكاء الاصطناعي التي قمنا بمراجعتها

كل يوم تقريبًا ، تظهر أداة أو نموذج أو ميزة جديدة وتغير حياتنا ، مثل الجديدة ملحقات OpenAI ChatGPT، وقد راجعنا بالفعل بعضًا من أفضلها:

• أدوات الذكاء الاصطناعي لتحويل النص إلى نص

هل تريد أن تتعلم كيفية استخدام ChatGPT بشكل فعال؟ لدينا بعض النصائح والحيل لك دون التبديل إلى دردشة GPT Plus! عندما تريد استخدام أداة الذكاء الاصطناعي ، يمكنك الحصول على أخطاء مثل "ChatGPT بكامل طاقته الآن " و  "عدد كبير جدًا من الطلبات في ساعة واحدة حاول مرة أخرى لاحقًا". نعم ، إنها أخطاء مزعجة حقًا ، لكن لا تقلق ؛ نعرف كيف نصلحها. هل ChatGPT مجاني الانتحال؟ إنه سؤال صعب أن تجد إجابة واحدة. إذا كنت تخشى الانتحال ، فلا تتردد في استخدامه مدققات الانتحال التي تعمل بالذكاء الاصطناعي. أيضا ، يمكنك التحقق من الآخرين برامج الدردشة بالذكاء الاصطناعي و  كتاب مقال منظمة العفو الدولية للحصول على نتائج أفضل.

• أدوات الذكاء الاصطناعي لتحويل النص إلى صورة

بينما لا يزال هناك بعض مناظرات حول الصور الناتجة عن الذكاء الاصطناعي، لا يزال الناس يبحثون عن أفضل مولدات فنون الذكاء الاصطناعي. هل سيحل الذكاء الاصطناعي محل المصممين؟ الحفاظ على القراءة ومعرفة.

• أدوات الذكاء الاصطناعي الأخرى

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• بلاتوبلوكشين. Web3 Metaverse Intelligence. تضخيم المعرفة. الوصول هنا.
• المصدر https://dataconomy.com/2023/04/sam-model-meta-segment-anything-model-mask/