图像分割

在计算机视觉领域，图像分割是一项核心任务，广泛应用于目标识别、追踪和分析等多个场景。 本文将介绍一种新颖的方法，利用两个基于变换器模型的零样本图像分割技术：GroundingDINO负责目标检测，而单任务注意力模型（SAM）负责语义分割。 我们将详细解读代码，并解释涉及的关键概念。

编辑 | ScienceAI3D 医学图像分割方法已经取得了成功，但它们对大量体素级标注数据的依赖是一个需要解决的缺点，因为获取这些标注的成本很高。 半监督学习（SSL）通过使用大量未标注数据和少量标注数据进行模型训练，解决了这一问题。 最成功的 SSL 方法基于一致性学习，即通过最小化从扰动视图中获得的模型响应之间的距离来实现的。

作者 | 上海交通大学、上海人工智能实验室编辑 | ScienceAI近日，上海交通大学与上海人工智能实验室联合团队发布3D医学图像分割大模型SAT（Segment Anything in radiology scans, driven by Text prompts），在3D医学图像（CT、MR、PET）上，基于文本提示实现对人体497种器官/病灶的通用分割。所有数据和代码、模型均已开源。论文链…