Se reveló el nuevo modelo Segment Anything de Meta. El modelo SAM es una nueva forma de crear máscaras de alta calidad para la segmentación de imágenes.

Aviso: La segmentación de imágenes es una tarea fundamental en visión por computadora que tiene como objetivo dividir una imagen en regiones que corresponden a diferentes objetos o categorías semánticas y tiene muchas aplicaciones, como detección de objetos, comprensión de escenas, edición de imágenes y análisis de video.

Sin embargo, la segmentación de imágenes también es un problema desafiante, especialmente cuando se trata de escenas complejas que contienen múltiples objetos con diferentes formas, tamaños y apariencias. Además, la mayoría de los métodos de segmentación de imágenes existentes requieren grandes cantidades de datos anotados para el entrenamiento, lo que puede resultar costoso y lento de obtener. Meta quiere resolver este problema con el modelo SAM.

Modelo SAM: ¿Qué es el nuevo Segment Anything Model de Meta?

Segment Anything Model (SAM) es un nuevo y poderoso modelo de inteligencia artificial que puede segmentar cualquier objeto en una imagen o video con alta calidad y eficiencia. La segmentación es el proceso de separar un objeto de su fondo u otros objetos y crear una máscara que delinea su forma y límites. Con el modelo SAM, sus tareas de edición, composición, seguimiento, reconocimiento y análisis serán más sencillas.

SAM se diferencia de otros modelos de segmentación en varios aspectos, como por ejemplo:

• SAM admite solicitudes, lo que significa que puede tomar varias solicitudes de entrada, como puntos o cuadros, para especificar qué objeto segmentar. Por ejemplo, puede dibujar un cuadro alrededor de la cara de una persona y el modelo Segmentar cualquier cosa generará una máscara para la cara. También puede dar varias indicaciones para segmentar varios objetos a la vez. El modelo SAM puede manejar escenas complejas con oclusiones, reflejos y sombras.
• SAM está entrenado en un conjunto de datos masivo de 11 millones de imágenes y 1.1 millones de máscaras, que es el conjunto de datos de segmentación más grande hasta la fecha. Este conjunto de datos cubre una amplia gama de objetos y categorías, como animales, plantas, vehículos, muebles, alimentos y más. SAM puede segmentar objetos que nunca antes había visto, gracias a su capacidad de generalización y diversidad de datos.
• SAM tiene un sólido rendimiento de disparo cero en una variedad de tareas de segmentación. Zero-shot significa que SAM puede segmentar objetos sin ningún entrenamiento adicional o ajuste en una tarea o dominio específico. Por ejemplo, SAM puede segmentar rostros, manos, cabello, ropa y accesorios sin ningún conocimiento ni supervisión previos. SAM también puede segmentar objetos en diferentes modalidades, como imágenes infrarrojas o mapas de profundidad.

El modelo SAM logra resultados impresionantes en varios puntos de referencia de segmentación de imágenes, como COCO. SAM también supera o iguala los métodos anteriores totalmente supervisados ​​en varias tareas de segmentación de disparo cero, como la segmentación de logotipos, texto, caras o bocetos. Demuestra su versatilidad y solidez en diferentes dominios y escenarios.

En el futuro: El proyecto Segment Anything Model (modelo SAM) aún está en sus inicios. Según Meta, estas son algunas de las futuras aplicaciones del Segment Anything Model:

• Las futuras gafas AR pueden emplear SAM para reconocer objetos comunes y proporcionar recordatorios e instrucciones útiles.

• SAM tiene la capacidad de afectar muchos otros campos, como la agricultura y la biología. Un día, incluso podría beneficiar a los agricultores y científicos.

El modelo SAM puede ser un gran avance en la investigación de inteligencia artificial y visión artificial. Demuestra el potencial de los modelos básicos para la visión, que son modelos que pueden aprender de datos a gran escala y transferirlos a nuevas tareas y dominios.

Características del modelo Segment Anything (modelo SAM)

Estas son algunas de las capacidades del modelo SAM:

• Usando el modelo SAM, los usuarios pueden segmentar objetos rápida y fácilmente seleccionando puntos individuales para incluir u omitir en la segmentación. Un cuadro de límite también se puede usar como una indicación para el modelo.
• Cuando existe incertidumbre con respecto al elemento que se segmenta, el modelo SAM puede producir muchas máscaras válidas, una habilidad crucial y crítica para resolver la segmentación en el mundo real.
• La detección y el enmascaramiento automáticos de objetos ahora son simples con el modelo Segment Anything.
• Después de calcular previamente la incrustación de la imagen, Segment Anything Model puede proporcionar una máscara de segmentación para cualquier mensaje al instante, lo que permite la interacción en tiempo real con el modelo.

Impresionante, ¿no? Entonces, ¿cuál es la tecnología detrás de esto?

¿Cómo funciona el modelo SAM?

Uno de los descubrimientos más intrigantes en la PNL y, más recientemente, en la visión por computadora es el uso de enfoques de "incitación" para permitir el aprendizaje de cero y pocos intentos en nuevos conjuntos de datos y tareas utilizando modelos básicos. Meta encontró motivación en este campo.

Si se le dan puntos de primer plano/fondo, un cuadro o máscara aproximado, texto de forma libre o cualquier otra entrada que indique qué segmentar en una imagen, el equipo de Meta AI le enseñó al Segment Anything Model a generar una máscara de segmentación adecuada. La necesidad de una máscara adecuada simplemente implica que el resultado debe ser una máscara adecuada para una de las cosas a las que se puede referir el indicador (por ejemplo, un punto en una camisa podría representar la camisa o la persona que la lleva puesta). Esta tarea se utiliza para el entrenamiento previo del modelo y para guiar la solución de problemas genéricos de segmentación descendente.

Meta notó que la tarea de preentrenamiento y la recopilación interactiva de datos imponían ciertas limitaciones en la construcción del modelo. En particular, sus anotadores deben poder utilizar Segment Anything Model en un navegador, de forma interactiva, en tiempo real, en una CPU para que sea efectivo. A pesar de que debe haber algún compromiso entre la calidad y la velocidad para cumplir con el requisito de tiempo de ejecución, descubren que un enfoque sencillo produce resultados satisfactorios.

En el back-end, un codificador de imágenes crea una incrustación única para la imagen, mientras que un codificador liviano puede transformar instantáneamente cualquier consulta en un vector de incrustación. A continuación, se utiliza un decodificador ligero para fusionar estas dos fuentes de datos con el fin de anticipar máscaras de segmentación. Una vez calculada la incrustación de la imagen, SAM puede responder a cada consulta en un navegador web con un segmento en aproximadamente 50 ms.

SAM es una herramienta útil para profesionales creativos y entusiastas que desean editar imágenes y videos con facilidad y flexibilidad. Pero primero, debe aprender a acceder y utilizarlo.

¿Cómo utilizar el modelo Segment Anything (modelo SAM)?

SAM es desarrollado por Meta AI Research (anteriormente Facebook AI Research) y está disponible públicamente en GitHub. También puede probar SAM en línea con un manifestación o descargue el conjunto de datos (SA-1B) de mil millones de máscaras y 1 millones de imágenes. El modelo es bastante fácil de usar; solo sigue estos pasos:

• Descargue la demostración o vaya a la demostración de Segment Anything Model.
• Sube una imagen o elige una en la galería.
• Agregar y áreas temáticas
  • Enmascare áreas agregando puntos. Seleccione Agregar área, luego seleccione el objeto. Refine la máscara seleccionando Quitar área, luego seleccione el área.

¡Entonces completa tu tarea como quieras!

Para obtener más información, haga clic esta página.

Imagen cortesía de: Meta

AI 101

¿Eres nuevo en IA? ¡Aún puedes subirte al tren de la IA! Hemos creado un detallado glosario de IA para los más utilizados terminos de inteligencia artificial y explicar el fundamentos de la inteligencia artificial así como la riesgos y beneficios de la IA. Siéntete libre de usarlos. Aprendiendo cómo usar la IA es un cambio de juego! Modelos AI cambiará el mundo.

Herramientas de IA que hemos revisado

Casi todos los días aparece una nueva herramienta, modelo o característica que cambia nuestras vidas, como el nuevo Complementos OpenAI ChatGPT, y ya hemos revisado algunos de los mejores:

• Herramientas de IA de texto a texto

Quieres aprender ¿Cómo usar ChatGPT de manera efectiva? Tenemos algunos consejos y trucos para usted sin cambiar a Chat GPT Plus! Cuando desee utilizar la herramienta AI, puede obtener errores como "ChatGPT está al máximo de su capacidad en este momento” y "demasiadas solicitudes en 1 hora, inténtelo de nuevo más tarde". Sí, son errores realmente molestos, pero no te preocupes; sabemos cómo solucionarlos. ¿Está ChatGPT libre de plagio? Es una pregunta difícil de encontrar una única respuesta. Si tiene miedo al plagio, siéntase libre de usar Verificadores de plagio de IA. Además, puedes consultar otros Chatbots de IA y Redactores de ensayos de IA para mejores resultados

• Herramientas de IA de texto a imagen

Si bien todavía hay algunos debates sobre imágenes generadas por inteligencia artificial, la gente todavía está buscando el mejores generadores de arte AI. ¿La IA reemplazará a los diseñadores?? Sigue leyendo y descúbrelo.

• Otras herramientas de IA

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• Platoblockchain. Inteligencia del Metaverso Web3. Conocimiento amplificado. Accede Aquí.
• Fuente: https://dataconomy.com/2023/04/sam-model-meta-segment-anything-model-mask/