Sizin için karmaşık görüntülerle ilgilenen Meta'nın yeni AI görüntü bölümleme aracı SAM ile tanışın

Meta'nın yeni Segment Everything Modeli ortaya çıktı. SAM modeli, görüntü segmentasyonu için yüksek kaliteli maskeler oluşturmanın yeni bir yoludur.

Hatırlatma: Görüntü bölütleme, bir görüntüyü farklı nesnelere veya semantik kategorilere karşılık gelen bölgelere ayırmayı amaçlayan ve nesne algılama, sahne anlama, görüntü düzenleme ve video analizi gibi birçok uygulamaya sahip bilgisayarla görmede temel bir görevdir.

Bununla birlikte, özellikle farklı şekil, boyut ve görünümlere sahip çok sayıda nesne içeren karmaşık sahnelerle uğraşırken, görüntü bölümleme de zorlu bir problemdir. Ayrıca, mevcut görüntü bölütleme yöntemlerinin çoğu, eğitim için elde edilmesi maliyetli ve zaman alıcı olabilen büyük miktarlarda açıklamalı veri gerektirir. Meta bu sorunu SAM modeli ile çözmek istiyor.

SAM modeli: Meta'nın yeni Segment Everything Modeli nedir?

Her Şeyi Segment Modeli (SAM), bir görüntü veya videodaki herhangi bir nesneyi yüksek kalite ve verimlilikle segmentlere ayırabilen yeni ve güçlü bir yapay zeka modelidir. Segmentasyon, bir nesneyi arka planından veya diğer nesnelerden ayırma ve şeklini ve sınırlarını özetleyen bir maske oluşturma işlemidir. SAM modeli ile düzenleme, birleştirme, izleme, tanıma ve analiz görevleriniz kolaylaşacak.

SAM, diğer segmentasyon modellerinden aşağıdakiler gibi çeşitli şekillerde farklıdır:

• SAM sorulabilir, yani hangi nesnenin bölümlere ayrılacağını belirtmek için noktalar veya kutular gibi çeşitli girdi komutları alabilir. Örneğin, bir kişinin yüzünün çevresine bir kutu çizebilirsiniz ve Her Şeyi Segment Modeli yüz için bir maske oluşturur. Aynı anda birden çok nesneyi bölümlere ayırmak için birden çok bilgi istemi de verebilirsiniz. SAM modeli, engellemeler, yansımalar ve gölgeler içeren karmaşık sahnelerin üstesinden gelebilir.
• SAM, bugüne kadarki en büyük segmentasyon veri seti olan 11 milyon görüntü ve 1.1 milyar maskeden oluşan devasa bir veri seti üzerinde eğitilmiştir. Bu veri kümesi, hayvanlar, bitkiler, araçlar, mobilyalar, yiyecekler ve daha fazlası gibi çok çeşitli nesneleri ve kategorileri kapsar. SAM, genelleme yeteneği ve veri çeşitliliği sayesinde daha önce hiç görmediği nesneleri segmentlere ayırabilir.
• SAM, çeşitli segmentasyon görevlerinde güçlü sıfır atış performansına sahiptir. Sıfır atış, SAM'in belirli bir görev veya etki alanında herhangi bir ek eğitim veya ince ayar yapmadan nesneleri segmentlere ayırabileceği anlamına gelir. Örneğin SAM, önceden herhangi bir bilgi veya denetim olmaksızın yüzleri, elleri, saçı, kıyafetleri ve aksesuarları segmentlere ayırabilir. SAM ayrıca nesneleri kızılötesi görüntüler veya derinlik haritaları gibi farklı şekillerde bölümlere ayırabilir.

SAM modeli, COCO gibi çeşitli görüntü segmentasyon kriterlerinde etkileyici sonuçlar elde ediyor. SAM ayrıca logoları, metni, yüzleri veya çizimleri segmentlere ayırma gibi birkaç sıfır atışlı segmentasyon görevinde önceki tam denetimli yöntemlerden daha iyi performans gösterir veya bunlarla eşleşir. Farklı etki alanları ve senaryolarda çok yönlülüğünü ve sağlamlığını gösterir.

Gelecekte: Her Şeyi Segment Modeli (SAM modeli) projesi henüz başlangıç ​​aşamasındadır. Meta'ya göre, Segment Everything Modelinin gelecekteki uygulamalarından bazıları şunlardır:

• Geleceğin AR gözlükleri, sıradan nesneleri tanımak ve yardımcı hatırlatmalar ve talimatlar sağlamak için SAM kullanabilir.

• SAM, tarım ve biyoloji gibi diğer birçok alanı etkileme yeteneğine sahiptir. Bir gün, çiftçilere ve bilim adamlarına bile fayda sağlayabilir.

SAM modeli, bilgisayar görüşü ve yapay zeka araştırmalarında çığır açabilir. Büyük ölçekli verilerden öğrenebilen ve yeni görevlere ve alanlara aktarabilen modeller olan vizyon için temel modellerin potansiyelini gösterir.

Her Şeyi Segment Modeli (SAM modeli) özellikleri

SAM modelinin özelliklerinden bazıları şunlardır:

• Kullanıcılar, SAM modelini kullanarak, segmentasyona dahil edilecek veya segmentasyondan çıkarılacak noktaları tek tek seçerek nesneleri hızlı ve kolay bir şekilde segmentlere ayırabilir. Model için bir işaret olarak bir sınır kutusu da kullanılabilir.
• Bölümlere ayrılan öğeyle ilgili belirsizlik olduğunda, SAM modeli, gerçek dünyada bölümlemeyi çözmek için çok önemli ve kritik bir beceri olan birçok geçerli maske üretebilir.
• Otomatik nesne algılama ve maskeleme, Her Şeyi Segment Modeli ile artık çok basit.
• Görüntü yerleştirmeyi önceden hesapladıktan sonra, Her Şeyi Parçala Modeli, herhangi bir bilgi istemi için anında bir bölümleme maskesi sağlayabilir ve modelle gerçek zamanlı etkileşime olanak tanır.

Etkileyici, değil mi? Peki arkasındaki teknoloji nedir?

SAM modeli nasıl çalışır?

NLP'deki ve daha yakın zamanlarda bilgisayar görüşündeki en ilgi çekici keşiflerden biri, temel modelleri kullanan yeni veri kümeleri ve görevlerde sıfır atış ve birkaç adım öğrenmeyi mümkün kılmak için "istemli" yaklaşımların kullanılmasıdır. Meta bu alanda motivasyon buldu.

Ön plan/arka plan noktaları, kaba bir kutu veya maske, serbest biçimli metin veya bir görüntüde neyin bölümlere ayrılacağını gösteren başka herhangi bir girdi verilirse, Meta AI ekibi Her Şeyi Parçala Modeline uygun bir bölümleme maskesi oluşturmayı öğretti. Uygun bir maskeye duyulan ihtiyaç, yalnızca çıktının istemin atıfta bulunabileceği şeylerden biri için uygun bir maske olması gerektiğini ima eder (örneğin, bir gömlek üzerindeki bir nokta, gömleği veya onu giyen kişiyi temsil edebilir). Bu görev, model ön eğitimi için ve genel aşağı akış segmentasyon problemlerinin çözümüne rehberlik etmek için kullanılır.

Meta, ön eğitim görevinin ve etkileşimli veri toplamanın model yapımında belirli sınırlamalar getirdiğini fark etti. Özellikle, ek açıklama yapanların etkili olabilmesi için Segment Everything Modelini bir tarayıcıda, etkileşimli olarak, gerçek zamanlı olarak bir CPU üzerinde kullanabilmeleri gerekir. Çalışma zamanı gereksinimini karşılamak için kalite ve hız arasında bir uzlaşma olması gerektiği gerçeğine rağmen, basit bir yaklaşımın tatmin edici sonuçlar ürettiğini keşfederler.

Arka uçta, bir görüntü kodlayıcı, görüntü için benzersiz bir gömme oluştururken hafif bir kodlayıcı, herhangi bir sorguyu anında bir katıştırma vektörüne dönüştürebilir. Daha sonra, segmentasyon maskelerini tahmin etmek için bu iki veri kaynağını birleştirmek için hafif bir kod çözücü kullanılır. Görüntü gömme hesaplandıktan sonra SAM, bir web tarayıcısındaki her sorguya yaklaşık 50 ms'lik bir segmentle yanıt verebilir.

SAM, görselleri ve videoları kolaylıkla ve esneklikle düzenlemek isteyen yaratıcı profesyoneller ve meraklılar için yararlı bir araçtır. Ama önce, ona nasıl erişeceğinizi ve kullanacağınızı öğrenmeniz gerekiyor.

Segment Everything Modeli (SAM modeli) nasıl kullanılır?

SAM, Meta AI Research (eski adıyla Facebook AI Research) tarafından geliştirilmiştir ve şu adreste halka açıktır: GitHub. SAM'i çevrimiçi olarak da deneyebilirsiniz. gösteri veya 1 milyar maske ve 1 milyon görüntünün veri setini (SA-11B) indirin. Modelin kullanımı oldukça kolaydır; sadece şu adımları izleyin:

• Demoyu indirin veya Segment Everything Model demosuna gidin.
• Bir resim yükleyin veya galeriden bir resim seçin.
• Ekleme ve konu alanları
  • Nokta ekleyerek alanları maskeleyin. Alan Ekle'yi ve ardından nesneyi seçin. Alanı Kaldır'ı seçerek maskeyi hassaslaştırın, ardından alanı seçin.

O zaman görevini istediğin gibi tamamla!

Daha fazla bilgi almak için tıklayın okuyun.

---

Izniyle: Meta

AI 101

AI'da yeni misiniz? Hala AI trenine binebilirsiniz! Detaylı bir şekilde oluşturduk. yapay zeka sözlüğü en sık kullanılanlar için yapay zeka terimleri ve açıklamak yapay zekanın temelleri yanısıra yapay zekanın riskleri ve faydaları. Bunları kullanmaktan çekinmeyin. Öğrenme yapay zeka nasıl kullanılır oyun değiştirici! AI modelleri dünyayı değiştirecek.

İncelediğimiz AI araçları

Neredeyse her gün yeni bir araç, model veya özellik ortaya çıkıyor ve yeni gibi hayatımızı değiştiriyor. OpenAI ChatGPT eklentilerive en iyilerinden bazılarını zaten inceledik:

• Metinden metne yapay zeka araçları

Öğrenmek istiyor musun ChatGPT nasıl etkin bir şekilde kullanılır? Geçiş yapmadan sizin için bazı ipuçlarımız ve püf noktalarımız var. Sohbet GPT Plus! AI aracını kullanmak istediğinizde “ gibi hatalar alabilirsiniz.ChatGPT şu anda tam kapasitede” ve "1 saat içinde çok fazla istek geldi, daha sonra tekrar deneyin". Evet, bunlar gerçekten can sıkıcı hatalardır, ama merak etmeyin; onları nasıl düzelteceğimizi biliyoruz. ChatGPT intihal ücretsiz mi? Tek bir cevap bulmak zor bir soru. İntihalden korkuyorsanız, kullanmaktan çekinmeyin AI intihal denetleyicileri. Ayrıca, diğerlerini de kontrol edebilirsiniz. AI sohbet botları ve AI deneme yazarları daha iyi sonuçlar için.

• Metinden resme yapay zeka araçları

Hala bazıları varken yapay zeka tarafından üretilen görüntüler hakkındaki tartışmalar, insanlar hala en iyi AI sanat jeneratörleri. AI tasarımcıların yerini alacak mı?? Okumaya devam edin ve öğrenin.

• Diğer yapay zeka araçları

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• Plato blok zinciri. Web3 Metaverse Zekası. Bilgi Güçlendirildi. Buradan Erişin.
• Kaynak: https://dataconomy.com/2023/04/sam-model-meta-segment-anything-model-mask/