比 SAM 快 50 倍的图象分割
SAM模型在计算机视觉任务中产生了显著影响，成为许多高级任务的基础步骤，如图像分割、图像标题和图像编辑。然而，其巨大的计算成本阻碍了其在工业场景中的广泛应用。本文提出了一种速度更快的替代方法，通过将任务重新定义为分段生成和提示，我们发现一个常规的CNN检测器与实例分割分支也可以很好地完成这项任务。我们使用SAM作者发布的1/50 SA-1B数据集直接训练现有的实例分割方法，仅使用我们的方法，我们在50倍的运行时间速度下实现了与SAM方法相当的性能。我们提供充分的实验结果来证明其有效性。
正文完
