今年4月，Meta的AI模型Segment Anything Model（SAM，分割一切模型）发布,一键轻松实现图像分割，难怪网友直呼太强。
 
　　SAM模型之所以在计算机视觉领域产生重要影响，是因为图像分割是许多任务中的基础步骤，比如自动驾驶、人脸识别、车牌识别等都有用到。
 
　　在这些应用过程中，从目标检测、分割再到识别的整个流程，由算法自动完成，无需人工干预，而SAM模型正是专攻其中的图像分割。
 
　　虽然SAM是图像分割的代表性模型，但不可避免存在以下短板：
 
　　1.它能够处理图片分割，但是不能处理视频，尤其是不能对视频里边移动的物体做连续追踪。
 
　　2.它能分割，但是并不认识所分割的区域到底是什么。
 
　　3.它存在过度分割的问题，经常把一个完整的物体分割成不同的部分，而人是把目标作为整体看待的。
 
　　一、SAV模型
 
　　现在，云创数据（835305.BJ）在SAM和YOLOv8的基础上，“分割一切”模型的进化版——分割一切视频Segment-Any-Video(SAV)来了，进一步丰富了计算机视觉成果。
 

图片SAV模型（图片来源:SAV）
 
　　作为一种新的图像、视频分割方法，SAV可以在图片或视频中实现全自动标注，一键分割物体。
 
　　同时，基于Zero-Shot Transfer（零样本迁移），SAV无需额外训练，即使是训练库中没有的图片，也可以实现轻松分割。
 
　　与SAM相比，SAV升级主要表现在以下方面：
 
　　1.既可以分割图片，也可以分割视频；
　　2.可以明确目标对象并打标签；
　　3.可得到语义上完整的目标区域。
 

图片SAV与SAM图像分割对比结果（图片来源:SAV）
 
　　从上图可以看出，SAV将巴士、小汽车等分割成一个个完整的区域，而SAM是把这些单个的物体又分割为不同的区域。
 
　　除了图片以外，通过SAV，视频也可以进行清晰的目标分割和追踪。
 
　　二、示例
 
　　现在，我们在网页版 demo (http://sav.cstor.cn)上体验一下SAV，可以直观地感受SAM和SAV两者的差异。
 
　　在首页可任意选择一张示例图片，也可从本地上传图片，然后点击Segment按钮，就可以同时得到SAM和SAV的结果。
 

demo首页示例图片（图片来源:SAV）
 


图片分割结果：左侧为SAM，右侧为SAV（图片来源:SAV）
 
　　如果需要观察某个实例的详细效果，鼠标放置原图，移动鼠标即可。
 


图片移动鼠标查看详细分割效果（图片来源:SAV）
 
　　在上图中，由SAV分割的两只小狗是完整而独立的色块，并不像左边分割结果所展示——小狗耳朵颜色和身体部分颜色不一，不是完整的目标对象。同时，SAV分割的两只小狗都打上了“dog”的标签。
 
　　需要说明的是，本项目只关注算法自动分割的应用场景，所以SAV无需人工输入点、曲线、矩形框等提示信息。
 
　　更多示例如下：
 

 

 


图片图片分割结果对比（图片来源:SAV）
 
　　三、原理
 
　　如前所述， SAM的自动分割不返回标签信息，并且一个实例（例如，一辆车）可能会被拆分成多个小区域。
 

自动分割模式下，SAM不返回标签信息，车辆被分割成多个区域（图片来源:SAM）
 
　　基于此，研发团队在SAM的基础上加入YOLOv8检测模型，YOLOv8返回的结果中包含目标框、类别及置信度，目标框可作为提示信息输入到SAM，类别名称即为标签，因此SAM加YOLOv8可有效地解决上述问题。
 
　　该方法同样可用于视频分割任务，与处理单幅图像不同的是，除了分割，我们通常更关心目标的运动轨迹、目标重识别，以及如何实现一键抠视频等。因此研发团队在SAM和YOLOv8的基础上加入跟踪算法，持续关注感兴趣的目标，这样比单纯地分割每帧图像更有实际意义。
 
　　考虑到使用