SAM Struggles in Concealed Scenes — Empirical Study on ‘Segment Anything’

要約

【タイトル】SAMは隠された場面で戦闘中-「何でもセグメンテーション」に関する実証研究

【要約】
-何でもセグメンテーションは人工知能の一般的な知能向上に向けた画期的なステップであり、セグメント何でもモデル（SAM）はコンピュータビジョンの基本モデルの発展を大きく促す。SAMのパフォーマンスの特徴を掘り下げることに興奮している。
-SAMがうまく機能しない状況を探ることが興味深い。
-本報告では、3つの隠された場面、すなわち偽装された動物、工業上の欠陥、および医療病変を選び、SAMを促されない設定で評価することを選びました。
-私たちの主な観察結果は、SAMが隠された場所で下手に見えることである。

要約(オリジナル)

Segmenting anything is a ground-breaking step toward artificial general intelligence, and the Segment Anything Model (SAM) greatly fosters the foundation models for computer vision. We could not be more excited to probe the performance traits of SAM. In particular, exploring situations in which SAM does not perform well is interesting. In this report, we choose three concealed scenes, i.e., camouflaged animals, industrial defects, and medical lesions, to evaluate SAM under unprompted settings. Our main observation is that SAM looks unskilled in concealed scenes.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI