上周计算机视觉三大顶级会议之一的ICCV2023在法国巴黎正式“开奖”了！今年共有两篇论文获得最佳论文奖，大名鼎鼎的“分割一切”荣获最佳论文提名。 ICCV今年共收录了2160篇论文，从今年的录用论文的主题领域来看，3D视觉、图像视频合成、迁移少样本持续学习方向排名前三。 最佳论文奖 AddingConditionalControltoText-to-ImageDiffusionModels 标星2.4万，被引用量已破300+ 「标题：」向文本到图像扩散模型添加条件控制 「作者：」斯坦福大学 「内容：」论文提出了ControlNet，这是一种神经网络架构，可向大型预训练的文本到图像扩散模型添...

集成SAM，可以通过文本提示做检测/分割等任务。 我们计划通过结合Grounding DINO 和SegmentAnything来创建一个非常有趣的演示，旨在通过文本输入检测和分割任何内容！并且我们会在此基础上不断完善它，创造出更多有趣的demo。 我们非常愿意帮助大家分享和推广基于Segment-Anything的新项目，更多精彩的demo和作品请查看社区：亮点扩展项目。您可以提交新问题（带有项目标签）或新拉取请求以添加新项目的链接。 该项目背后的核心思想是结合不同模型的优势，构建一个非常强大的管道来解决复杂问题。值得一提的是，这是一个组合强专家模型的工作流程，其中...

自从sam模型发布以来，基于sam的二次应用及衍生项目越来越多，将其应用于各种任务，比如图像修复(imageinpainting)、图像编辑（imageediting）、目标检测（objectsdetection）、图像标注（ImageCaption）、视频跟踪(objecttracking)、3d检测等等。参考项目如下： 1. https://github.com/IDEA-Research/Grounded-Segment-Anything 2. https://github.com/MaybeShewill-CV/segment-anything-u-specify 3. https:...

一、前言 目前代码已经开源！ SegmentAnythingModel（SAM）可以从输入提示（如点或框）生成高质量的物体遮罩，并且可以用于为图像中的所有物体生成遮罩。它在一个包含1100万张图像和10亿个遮罩的数据集上进行了训练，并且在各种分割任务上表现出了强大的零样本性能。 二、安装 2.1基本要求 该代码要求使用python>=3.8，并且需要安装pytorch>=1.7和torchvision>=0.8。请按照以下说明安装PyTorch和TorchVision的依赖项。强烈建议同时安装支持CUDA的PyTorch和TorchVision。 以下是安装步骤的一般...