0. 筆者個人體會

分割一切模型（SAM）這幾年在CV領(lǐng)域應(yīng)用很多，很多文章都在努力提高SAM的分割精度，但SAM分割的前提是高質(zhì)量的提示（點、框）。但是實踐中的SAM經(jīng)常遇到不準確的提示，尤其是眾包標注平臺，這種不準確的提示會導致分割錯誤。

這也就是Stable Segment Anything Model這篇文章想要解決的問題，提出了一種新的分割模型Stable-SAM，希望遇到錯誤提示時也能實現(xiàn)穩(wěn)定分割！

1. 效果展示

SAM、HQ-SAM、Stable-SAM在提供次優(yōu)提示時的性能比較，Stable-SAM明顯優(yōu)于其他算法。

SAM和Stable-SAM的預(yù)測Mask和圖像特征的權(quán)重對比，橙色圓圈表示注意力權(quán)重，半徑越大表示得分越高。(a) 當提供高質(zhì)量提示時，SAM分割結(jié)果很好。(b) 微小的提示修改會導致不穩(wěn)定的分割輸出，SAM錯誤分割了背景。(c) Stable-SAM通過將更多的特征采樣注意力轉(zhuǎn)移到目標對象上來準確地分割目標對象。

2. 具體原理是什么？

Stable-SAM的具體pipeline由三部分組成：

(a)是SAM的Mask解碼器中的可變形采樣插件(DSP)和可變形路由插件(DRP)。DSP采用小偏移網(wǎng)絡(luò)(b)來預(yù)測特征采樣偏移。隨后DSP在更新的采樣位置對可變形圖像特征進行重新采樣，并將它們饋送到SAM的標記到圖像注意力。DRP采用一個小型MLP網(wǎng)絡(luò)(c)來根據(jù)輸入提示質(zhì)量調(diào)節(jié)DSP激活的程度。注意，DSP自適應(yīng)地單獨調(diào)整圖像特征采樣位置，不會改變原始SAM模型。

3. 和其他SOTA方法對比如何？

在不同質(zhì)量的提示下，SAM、DT-SAM(微調(diào)SAM的Mask解碼器)、PT-SAM(微調(diào)SAM的提示token及其對應(yīng)的輸出MLP層)、HQ-SAM和Stable-SAM在HQ數(shù)據(jù)集上的對比。這里也推薦工坊推出的新課程《如何將深度學習模型部署到實際工程中？（分類+檢測+分割）》。

MS COCO和SGinW數(shù)據(jù)集上的對比，Stable-SAM最優(yōu)。

審核編輯：黃飛