CV / 视觉生成 · 2023 · SAM
Segment Anything
Alexander Kirillov et al.
通过提示式分割模型与数据引擎探索可迁移的分割能力。
提示分割基础模型数据引擎
复现空间 · 建议计划
入门 · 权重评估 · 编辑建议，尚未实测
最小实验目标
评估 ViT-B 权重在固定图像与点 / 框提示上的分割表现。
数据集 / 环境
有许可的标注分割集；固定提示生成方式和图像划分。
评估项
- IoU
- 每图延迟
- 提示数量
边界与常见偏差
没有跨任务通用的单个 SAM mIoU 基线；先选定数据集、提示协议和评估实现再对齐指标。
实验验收协议
- 阅读原文，选定要对齐的具体表格、模型变体与数据划分；把缩小规模或替换组件单独列出。
- 核对作者资源的许可与依赖，锁定代码 commit、权重版本、硬件、随机种子和完整运行命令。
- 先完成数据与推理检查，再执行约定的实验；记录多次运行结果、资源消耗和失败案例。
- 提交可核验的代码、配置、日志与报告。原论文数值须注明表格和协议，当前指标必须附实际运行证据。
实验记录
- 原论文对齐目标
- 待认领后选定具体表格与评估条件
- 社区复现指标
- 暂无已验证结果
暂无实验日志与复现报告。收录此论文不表示社区已完成训练或评估；后续记录通过仓库 Issue 和 Pull Request 补充。