Марк Зукърбърг представи Segment Anything 2

По време на изложението SIGGRAPH 2024, Meta Platforms представиха следващата версия на популярния си ML модел Segment Anything Model. Segment Anything Model 2 (SAM2) е качествено подобрен вариант на модела, който компанията представи миналото лято. Платформата е описвана като сегментационен модел, като е създадена с цел разпознаването на специфични обекти в изображения. Новата версия е усъвършенствана в тази си задача, но тя може да прави същото и с видеа.

Segment Anything 2 беше представена на сцената на SIGGRAPH 2024 лично от изпълнителния директор на Facebook Марк Зукърбърг. Той определя SAM2 като еволюция в областта на компютърната визия. Това, което прави на практика модела е да „види“ даден обект и да го опише.

„Вярваме, че изследванията ни могат да отключат нови възможностти за по-лесно генериране и редакция на видео, да се създават нови преживявания в областта на допълнената реалност“, пишат Meta Platforms. SAM2 може да се използва за проследяването на обект във видео. Това на свой ред може да помогне за по-бързото етикитиране на визуална информация за обучение на платформи за компютърна визия. Като например тези, използвани в автономните автомобили“.

SAM2 моделът е с открит код и е качен в GitHub. Именно важността на откритата природа на модела беше сред акцентите, подчертани от Зукърбърг. Той беше придружен на сцената от изпълнителния директор на Nvidia Дженсен Хуанг. „Правим това не от алтруистични подбуди. Макар че това ще е в помощ на екосистемата“, коментира Зукърбърг. „Правим го защото смятаме, че това ще направи от модела ни най-добрия възможен“. Той допълва, че моделът е обучен на огромно количество от данни. Компанията публикува анотирана база данни от близо 50 000 видеа, създадена специално за SAM2. Отделно от това, моделът е обучен чрез втора база данни от повече от 100 000 видеа. Но последната не е публично достъпна.