به گزارش بازار، سال گذشته متا مدل Segment Anything یا SAM را معرفی کرد که می توانست تقریباً همه چیز را در یک تصویر با یادگیری ماشین شناسایی کند. اکنون متا نسل بعدی خود را با نام SAM 2 ارائه کرده است که می تواند حتی اجسام را در ویدیو با دقت بالا در زمان واقعی تشخیص دهد.
اصطلاح فنی “Segmentation” به این معنی است که مدل بصری می تواند یک تصویر را مشاهده کند و اجزای آن را شناسایی کند. به عنوان مثال، درک “این سگ است و این درخت پشت سگ است.” البته این فناوری سال هاست که وجود دارد، اما متا با مدل Segment Anything گام بزرگی به جلو برداشت.
حالا متا نسل بعدی مدل Segment Anything 2 را معرفی کرده است که نسبت به نسل قبل پیشرفت های چشمگیری داشته است. یکی از مزایای آن این است که نه تنها با تصاویر ثابت کار می کند، بلکه با فیلم ها نیز کار می کند.
ویژگی های مدل SAM 2 Meta
مارک زاکربرگ در کنفرانس SIGGRAPH به جنسن هوانگ، مدیرعامل انویدیا گفت: دانشمندان از این مدل برای تحقیقاتی مانند مطالعه صخره های مرجانی و زیستگاه های طبیعی استفاده می کنند. اما اینکه بتوانید آن را روی ویدیو به عنوان عکس صفر انجام دهید واقعاً جالب است.» صفر شات یا یادگیری بدون مثال به این معنی است که مدل می تواند محتوایی را که قبلاً ندیده است تشخیص دهد.
SAM 2 چندین امکان را برای محققان، تولیدکنندگان محتوا و علاقه مندان به هوش مصنوعی ارائه می دهد و می تواند به عنوان بخشی از یک سیستم هوش مصنوعی بزرگتر برای شناسایی اجزای موجود در تصاویر و ویدیوها استفاده شود. این مدل در سیستم های وسایل نقلیه خودران، ویرایش ویدئو و یا حتی ردیابی حیوانات در حال انقراض در فیلمبرداری از هواپیماهای بدون سرنشین استفاده می شود.
طبیعتاً برای آموزش چنین مدلی به داده های زیادی نیاز است و متا به تازگی پایگاه داده بزرگی از 50000 ویدیوی مورد استفاده برای آموزش این مدل را منتشر کرده است. البته در مقاله SA2 نوشته شده که پایگاه داده دیگری متشکل از بیش از 100000 ویدیوی «در دسترس داخلی» نیز برای آموزش استفاده شده است که این امر به اطلاع عموم نرسیده است. ممکن است متا از محتوای عمومی اینستاگرام و فیسبوک برای آموزش این مدل استفاده کرده باشد.
مدل جدید SAM 2 مانند مدل اول متن باز و رایگان است و می توانید از نسخه آزمایشی رایگان آن استفاده کنید.
