Meta在论文中发布了新模型Segment Anything Model(SAM)，声称说可以分割一切，可以在任何图像中分割任何物体，论文链接https://arxiv.org/abs/2304.02643

大概看了一遍论文和感受了Meta提供的demo模型，我觉得主要有两个爆点，首先是收集数据的方式，加入了主动学习的形式，因为他的数据集特别大，达到了十亿组数据，那么庞大的数据不可能全部去标注，然后会通过标注一部分然后剩下一部分其他人标，最后加上人工校验部分达到一个区域闭环的效果，当数据集足够庞大时，训练出的模型效果一定就会更好，而且像GPT一样不断更新学习新的数据，模型效果会更好。这个点来说是一个很工程性但是工作量非常大的工作。第二点是有一个prompt的概念，prompt简单来说就是类似于一个“提示词”的概念，其实跟GPT现在那么火和不断提升性能的原因一样。因为ChatGPT用户会给它输入一句话或者一段话来“提示”ChatGPT如何去给出最正确的答案，SAM也同样，在demo示例上SAM首先会自动分割图像中的所有内容，但是如果你输入一个提示词的话，比如一张图片你想让SAM分割出Cat或Dog这个提示词，SAM会自动在照片中猫或者狗周围绘制框并实现分割。

剩下具体的文章内容大家可以点击文章中的链接查看，接下来给大家介绍一下如何使用SAM的demo教程，链接在这https://segment-anything.com/demo

首先我们同意该提示，大概意思是这是一个研究演示，不能用于任何商业目的。上传的任何图像将仅用于演示分段任意模型。在会话结束时，将删除所有图像和从中派生的任何数据。上传的任何图片都不应侵犯任何知识产权或Facebook的社区标准。

之后我们可以随意点击上面的一张示例图，刚才说到了狗狗，我们就点进去一张飞奔的柯基，看看能不能很好的分割出来。点进去之后需要等模型加载一下

 加载过之后，会提示你怎么去使用，不过是英文的，可以看我之后的教程，这个是通过添加点来掩盖区域。选择“添加区域”，然后选择对象。通过选择移除区域来细化蒙版，然后选择区域。

 

 我们可以通过add mask来添加mask点来让模型自动分割，反之remove area可以移除区域，底下的reset可以重置所有标记的点。undo可以撤销刚才标记的点，可以看到这个图片打过点之后分割出来的柯基非常的精准，其实在不click的时候也可以自动分割的特别精准，毕竟也是示例图片。

 接下来就是box的选取，就是说选定一个box区域，然后模型会自动分割出来框里面需要的图像，看起来分割的效果也是非常的不错。

接下来就是SAM最厉害的一点了,segment anything，可以看到整张图片中的狗、草坪、树都被很好的分割出来了。

 以上就是基本的示例内容，接下来我们可以自定义load图像，会到最开始的地方，点击load。

 我导入了一张医学图像数据，青光眼杯盘比分割的数据，想看看泛化到医学图像需要高精度分割的数据SAM的表现如何，可以发现我随便打了一个框分割的效果其实就已经特别好了，看来这个大模型确实有着很强的效果，不过可能还是达不到医学图像分割的标准，我在之后的博客会介绍SAM怎么和医学图像进行结合。

 论文代码也已经开源，可以在https://github.com/facebookresearch/segment-anything中下载代码，之后也会给大家更新怎么本地调用SAM模型的教程的。