On Efficient Variants of Segment Anything Model: A Survey

要約

Segment Anything Model (SAM) は、画像セグメンテーション タスクの基礎モデルであり、さまざまなアプリケーションにわたる強力な一般化で知られています。
ただし、その優れたパフォーマンスには多大な計算量とリソースの需要が伴うため、エッジ デバイスなどのリソースが限られた環境での展開は困難になります。
これに対処するために、精度を維持しながら効率を高めるためのさまざまな SAM バリアントが提案されています。
この調査は、これらの効率的な SAM バリアントに関する最初の包括的なレビューを提供します。
まず、この研究を推進する動機を探ることから始めます。
次に、SAM とモデルの高速化で使用されるコア技術を紹介します。
続いて、アプローチ別に分類された SAM 高速化戦略の詳細な検討と、いくつかの将来の研究の方向性についての説明が続きます。
最後に、さまざまなハードウェアにわたるこれらの手法の統合された広範な評価を提供し、代表的なベンチマークでその効率と精度を評価し、全体的なパフォーマンスの明確な比較を提供します。

要約(オリジナル)

The Segment Anything Model (SAM) is a foundational model for image segmentation tasks, known for its strong generalization across diverse applications. However, its impressive performance comes with significant computational and resource demands, making it challenging to deploy in resource-limited environments such as edge devices. To address this, a variety of SAM variants have been proposed to enhance efficiency while keeping accuracy. This survey provides the first comprehensive review of these efficient SAM variants. We begin by exploring the motivations driving this research. We then present core techniques used in SAM and model acceleration. This is followed by a detailed exploration of SAM acceleration strategies, categorized by approach, and a discussion of several future research directions. Finally, we offer a unified and extensive evaluation of these methods across various hardware, assessing their efficiency and accuracy on representative benchmarks, and providing a clear comparison of their overall performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google