华人团队颠覆CV！SEEM模型可一键分割图像和视频

继Meta的「分割一切」之后，又一个颠覆CV的模型来了!近日，威斯康辛麦迪逊、微软、港科大等机构的研究人员提出SEEM模型，通过不同的视觉提示和语言提示，一键分割图像、视频。

论文地址:https://arxiv.org/pdf/2304.06718.pdf

SEEM模型是一种新型的分割模型，这一模型可以在没有提示的开放集中执行任何分割任务，比如语义分割、实例分割和全景分割。

此外，它还支持任意组合的视觉，文本和引用区域提示，允许多功能和交互式的引用分割。

在模型架构上，SEEM采用了常见的编码器-解码器架构。其独特的地方在于具有查询和提示之间复杂的交互。

SEEM模型可以通过多模态提示实现一次性分割所有地方的一切，包括图像和视频。这个模型的出现将会对计算机视觉领域产生深远的影响，也将会对未来的技术发展方向产生指导作用。