A Comprehensive Survey on Segment Anything Model for Vision and Beyond

论文：https://arxiv.org/abs/2305.08196

25页综述，198篇参考文献！52个开源项目！本文第一个全面回顾了分割一切模型(SAM)的研究和应用进展，介绍了基础背景，总结了SAM在各种图像处理应用中的优势和局限性。

 

 相关SAM项目索引

 

How to Efficiently Adapt Large Segmentation Model(SAM) to Medical Image Domains

论文：https://arxiv.org/pdf/2306.13731.pdf

代码：https://github.com/xhu248/AutoSAM

解读：医疗SAM也来啦 | AutoSAM告诉你如何在医疗领域更快更好开发大模型 - 知乎 (zhihu.com)

 

AutoSAM: Adapting SAM to Medical Images by Overloading the Prompt Encoder

论文：https://arxiv.org/abs/2306.06370

Faster Segment Anything: Towards Lightweight SAM for Mobile Applications

论文：https://arxiv.org/abs/2306.14289

代码：https://github.com/ChaoningZhang/MobileSAM

解读：【论文解读】比sam小60倍的轻量级模型mobilesam(Faster Segment Anything) - 知乎 (zhihu.com)

MobileSAM来啦 | 比SAM小60倍，比FastSAM快4倍，速度和效果双赢 - 知乎 (zhihu.com)

Segment Anything in High Quality

论文：https://arxiv.org/abs/2306.01567

代码：https://github.com/SysCV/SAM-HQ

解读：苏黎世理工 & 港科大震撼力作 HQ-SAM：SAM新秀-高质量分割一切模型 - 知乎 (zhihu.com)

TinyViT: Fast Pretraining Distillation for Small Vision Transformers

论文：https://arxiv.org/abs/2207.10666

代码：https://github.com/wkcn/tinyvit

解读：【论文解读】TinyVit:快速蒸馏vit,可替换sam的vit（mobilesam） - 知乎 (zhihu.com)

ECCV 22｜大数据的红利我吃定了！微软开源TinyViT ：搞定小模型的预训练能力 - 知乎 (zhihu.com)

Fast Segment Anything

论文：https://arxiv.org/abs/2306.12156

代码：https://github.com/CASIA-IVA-Lab/FastSAM

解读：中科院自动化所发布Fast SAM | 精度相当，速度提升50倍！！！ - 知乎 (zhihu.com)

SAM-IQA: Can Segment Anything Boost Image Quality Assessment?

论文：https://arxiv.org/abs/2307.04455

代码：https://github.com/Hedlen/SAM-IQA

解读：旷视提出SAM-IQA：分割一切模型可以提高图像质量评估吗？ - 知乎 (zhihu.com)

RSPrompter: Learning to Prompt for Remote Sensing Instance Segmentation based on Visual Foundation Model

论文：https://arxiv.org/abs/2306.16269

代码：https://github.com/KyanChen/RSPrompter

解读：RSPrompter：遥感图像实例分割利器，基于SAM实现自动分割 - 知乎

RSPrompter - 知乎 (zhihu.com)

SAMMed: A medical image annotation framework based on large vision model

论文：https://arxiv.org/abs/2307.05617

解读：SAM-Med | 英伟达基于SAM提出医学图像标注效率神器 - 知乎 (zhihu.com)

SAMAug: Point Prompt Augmentation for Segment Anything Model

论文：https://arxiv.org/abs/2307.01187

解读：SAM增强技术 | SAMAug提出Point Prompt增强，让SAM模型天天向上 - 知乎 (zhihu.com)

Semantic-SAM: Segment and Recognize Anything at Any Granularity

论文：https://arxiv.org/abs/2307.04767

代码：https://github.com/UX-Decoder/Semantic-SAM

解读：港科&微软 | Semantic-SAM：多粒度的语义通用分割模型 - 知乎 (zhihu.com)

Semantic SAM: 多粒度、多语义的统一分割模型 - 知乎 (zhihu.com)

大模型学习笔记

大模型学习笔记 - 知乎 (zhihu.com)

LLM 系列超详细解读 (一)：GPT：无标注数据的预训练生成式语言模型 - 知乎

LLM 系列超详细解读 (二)：GPT-2：GPT 在零样本多任务学习的探索 - 知乎

LLM 系列超详细解读 (三)：GPT-3：大型语言模型是少样本学习器 - 知乎

多模态超详细解读 (四)：VLMo：混合多模态专家的视觉语言预训练 - 知乎

多模态超详细解读 (六)：BLIP：统一理解和生成的自举多模态模型 - 知乎

Segment Anything(sam)项目整理汇总[2023.7.21] - 知乎 (zhihu.com)

SAM开源库

[0] dk-liang/Awesome-Segment-Anything

[1] liliu-avril/Awesome-Segment-Anything

[2] VainF/Awesome-Anything

[3] Hedlen/awesome-segment-anything

[4] Vision-Intelligence-and-Robots-Group/Awesome-Segment-Anything

[5] JerryX1110/awesome-segment-anything-extensions