智东西7月17日消息，据量子位报道，香港科技大学、微软研究院、IDEA研究院、香港大学、威斯康星大学麦迪逊分校和清华大学等研究单位于7月10日联合发表一篇图像分割AI论文。论文介绍了一个名为Semantic-SAM的通用图像分割模型，该模型在能够完全复现Meta SAM模型分割效果的基础上，还具有两大特点：1）语义感知，模型能够给分割出的实体提供语义标签；2）粒度丰富，模型能够分割从物体到部件的不同粒度级别的实体。

其工作是在SA-1B数据集、通用分割数据集（COCO等）和部件分割数据集（PASCAL Part等）上联合训练模型的首次尝试，并系统研究了在SA-1B上定义的交互分割任务（promptable segmentation）和其他分割任务（如全景分割和部件分割）上多任务联合训练的相互促进作用。

论文地址：https://arxiv.org/abs/2307.04767

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