Her şeyi parçalaYakın zamanda Facebook Research tarafından yayınlanan , bilgisayar görüşüne dalmış çoğu insanın göz korkutucu bulduğu bir şeyi yapıyor: bir görüntüdeki hangi piksellerin bir nesneye ait olduğunu güvenilir bir şekilde bilmek. Yakın zamanda Apache 2.0 Lisansı altında piyasaya sürülen Segment Everything Modelinin (SAM) amacı bunu kolaylaştırmaktır.
Sonuçlar harika görünüyor ve oradalar İnteraktif sunum mevcut SAM’in farklı çalışma yöntemleriyle oynayabilirsiniz. Bir görüntüyü işaret edip tıklayarak bir şeyler alabilir veya görüntüler otomatik olarak bölünebilir. Dürüst olmak gerekirse, SAM’in bir görüntüdeki çeşitli nesneleri maskelemeyi bu kadar zahmetsiz hale getirmesi etkileyici. Bunu mümkün kılan şey, makine öğrenimidir ve bunun bir kısmı, sistemin arkasındaki modelin, yaptığı işte son derece verimli olmasını sağlayan yüksek kaliteli görüntüler ve maskelerden oluşan devasa bir veri kümesi üzerinde eğitilmiş olmasıdır.
Görüntü bölümlere ayrıldıktan sonra, bu maskeler, nesne algılama (nesnenin ne olduğunu tanımlayan ve etiketleyen) ve diğer bilgisayarla görme uygulamaları gibi diğer sistemlerle etkileşimde bulunmak için kullanılabilir. Ne de olsa nereye bakacaklarını bilirlerse bu sistem daha güçlü çalışır. Bu Meta AI’dan blog gönderisi SAM ile nelerin mümkün olduğu hakkında bazı ek ayrıntılara giriyor, tüm ayrıntılar Araştırma kağıdı.
Bu tür sistemler, yüksek kaliteli veri kümelerine dayanır. Elbette hiçbir şey gerçek dünya verilerinin yerini tutamaz, ancak gerçekte var olmayan otomatik veriler oluşturmanın ve faydalı sonuçlar almanın da mümkün olduğunu gördük.
. “Çıldırtıcı derecede alçakgönüllü bira ustası. Gururlu domuz pastırması evangelisti. Tam bir twitter bilgini. Problem çözücü. Dost düşünür.”
More Stories
Yeni sınırlı süreli Pokémon Scarlet ve Violet dağıtımı artık mevcut
Bu yeni PS5 denetleyicisi o kadar iyi ki DualSense Edge’e asla geri dönemem
Tokido’nun Akuma İlk Oyun İzlenimleri Street Fighter 6’nın bir sonraki DLC’sini erken denedikten sonra, iblisin çok güçlü olup olmadığından emin olamadım