Meta去年推出了Segment Anything，這是一個(gè)機(jī)器學(xué)習(xí)模型，可以快速可靠識(shí)別和勾勒出圖像中的任何東西。Meta首席執(zhí)行官馬克·扎克伯格周一在SIGGRAPH大會(huì)上首次亮相了該模型的續(xù)集，將該模型帶入了視頻領(lǐng)域，彰顯了該領(lǐng)域的發(fā)展速度之快。

分割是一個(gè)技術(shù)術(shù)語(yǔ)，指的是視覺模型在查看圖片時(shí)，會(huì)挑選出各個(gè)部分：“這是一只狗，這是狗身后的一棵樹”，但愿如此，而不是“這是從狗身上長(zhǎng)出來的一棵樹”。這種現(xiàn)象已經(jīng)存在了幾十年，但最近圖像識(shí)別機(jī)制變得更好、更快，其中“分割一切”是向前邁出的重要一步。

Segment Anything 2（SA2）是一個(gè)自然的后續(xù)產(chǎn)品，因?yàn)槠浔旧磉m用于視頻而不僅僅是靜止圖像；當(dāng)然，你可以對(duì)視頻的每一幀單獨(dú)運(yùn)行第一個(gè)模型，但這并不是最有效的工作流程。

“科學(xué)家可基于SA2來研究珊瑚礁和自然棲息地等，且無(wú)需拍攝任何鏡頭，這非?？帷！痹瞬裨谂c英偉達(dá)首席執(zhí)行官黃仁勛的對(duì)話中表示。

當(dāng)然，處理視頻對(duì)計(jì)算的要求要高得多，SA2可以在不消耗數(shù)據(jù)中心的情況下運(yùn)行，這證明了整個(gè)行業(yè)在效率方面的進(jìn)步。當(dāng)然，它仍然是一個(gè)龐大的模型，需要強(qiáng)大的硬件才能運(yùn)行，但即使在一年前，快速、靈活的分割也幾乎是不可能的。

與第一個(gè)模型一樣，SA2也將向用戶免費(fèi)開放，目前還沒有關(guān)于托管版本的消息，當(dāng)然，這樣的模型需要大量的數(shù)據(jù)來訓(xùn)練，而Meta還發(fā)布了一個(gè)包含50000個(gè)視頻的大型帶注釋數(shù)據(jù)庫(kù)。在描述SA2的論文中，另一個(gè)包含超過100000個(gè)“內(nèi)部可用”視頻的數(shù)據(jù)庫(kù)也用于訓(xùn)練。

Meta幾年來一直是“開放”AI領(lǐng)域的領(lǐng)導(dǎo)者，但最近，LLaMa、Segment Anything和免費(fèi)推出的其他一些模型已成為這些領(lǐng)域AI性能相對(duì)可及的標(biāo)準(zhǔn)，盡管這些模型的“開放性”仍存在爭(zhēng)議。

而對(duì)于開源，扎克伯格表示：“SA2不僅僅是一個(gè)你可以構(gòu)建的軟件——你需要一個(gè)圍繞它的生態(tài)系統(tǒng)。如果我們不開源它，它幾乎就不會(huì)那么好用，對(duì)吧？我們這樣做不是因?yàn)槲覀兪抢髁x者，盡管我認(rèn)為這會(huì)對(duì)生態(tài)系統(tǒng)有所幫助——我們這樣做的目的是因?yàn)檎J(rèn)為這將使我們正在構(gòu)建的東西成為最好的?！?/p>