Can SAM Count Anything? An Empirical Study on SAM Counting

要約

タイトル：SAMは何でも数えることができるのか？ SAMカウントに関する経験的研究

要約：
– Meta AIは最近、Segment Anythingモデル（SAM）をリリースしました。
– SAMは、クラスに依存しないセグメンテーションにおいて印象的なパフォーマンスを発揮し、注目を集めています。
– この研究では、未知のカテゴリのオブジェクトをいくつかのバウンディングボックスの例を提供して数える、少数のオブジェクトカウントの難しいタスクに、SAMの使用を探索しました。
– SAMのパフォーマンスを他の少数のオブジェクトカウント手法と比較し、特に小さく混雑したオブジェクトに対しては、さらなる微調整がなければ現在不十分であることがわかりました。
– コードは \url{https://github.com/Vision-Intelligence-and-Robots-Group/count-anything} で入手できます。

要約(オリジナル)

Meta AI recently released the Segment Anything model (SAM), which has garnered attention due to its impressive performance in class-agnostic segmenting. In this study, we explore the use of SAM for the challenging task of few-shot object counting, which involves counting objects of an unseen category by providing a few bounding boxes of examples. We compare SAM’s performance with other few-shot counting methods and find that it is currently unsatisfactory without further fine-tuning, particularly for small and crowded objects. Code can be found at \url{https://github.com/Vision-Intelligence-and-Robots-Group/count-anything}.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI