Uploads from ‍김성범[ 교수 / 산업경영공학부 ]

Currently Playing: [Open DMQA Seminar] Lightweight Segment Anything

Segment Anything Model(SAM)은 범용 객체 분할을 목표로 하는 대표적인 vision foundation model로, 다양한 이미지에 대해 뛰어난 분할 성능을 보여주며 주목받고 있다. 그러나 높은 연산량과 모델 크기로 인해 실시간 응용이나 디바이스 환경에서는 적용에 어려움이 존재하며, 이에 따라 SAM을 보다 효율적으로 활용하기 위한 경량화 연구가 활발히 진행되고 있다. 이번 세미나에서는 SAM 경량화의 필요성을 중심으로, 주요 접근 방식인 백본 교체(CNN 기반), knowledge distillation 등의 다양한 기법들을 소개하고자 한다. 참고자료: [1] Kirillov, A., Mintun, E., Ravi, N., Mao, H., Rolland, C., Gustafson, L., ... & Girshick, R. (2023). Segment Anything. Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 2023, pp. 4015–4026 [2] Xiong, Y., Varadarajan, B., Wu, L., Xiang, X., Xiao, F., Zhu, C., ... & Chandra, V. (2024). EfficientSAM: Leveraged Masked Image Pretraining for Efficient Segment Anything. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2024, pp. 16111–16121 [3] Zhao, X., Ding, W., An, Y., Du, Y., Yu, T., Li, M., ... & Wang, J. (2023). Fast Segment Anything. arXiv preprint arXiv:2306.12156 [4] Zhang, C., Han, D., Qiao, Y., Kim, J. U., Bae, S.-H., Lee, S., & Hong, C. S. (2023). Faster Segment Anything: Towards Lightweight SAM for Mobile Applications. arXiv preprint arXiv:2306.14289 [5] He, K., Chen, X., Xie, S., Li, Y., Dollár, P., & Girshick, R. (2022). Masked Autoencoders Are Scalable Vision Learners. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2022, pp. 16000–16009