تعتبر نماذج عائلة Segment Anything Model (SAM) من أهم النماذج الأساسية في رؤية الكمبيوتر، ولكن القدرة على التحكم في دقة التقسيم كانت محدودة حتى الآن. يواجه المستخدمون عادة صعوبة في الحصول على النتائج المرغوبة، حيث يتطلب الأمر غالبًا تعديلات يدوية، مثل إضافة المزيد من التعليمات أو اختيار من القوالب المسبقة. ومن هنا تأتي التحديات، إذ يمكن أن تمثل نفس التعليمات عدة قوالب محتملة، مما يجعل جمع بيانات دقيقة عبر جميع مستويات الدقة أمرًا مكلفًا للغاية.

لحل هذه المشكلة، أعلنت الأبحاث عن النموذج الجديد UnSAMv2، الذي يتيح تقسيم أي شيء بأي دقة دون الحاجة إلى أي ملصقات بشرية. يعتمد UnSAMv2 على استراتيجية تقسيم وتغلب مشابهة لتلك التي استخدمها النموذج السابق، ويكتشف أزواج القناع والدقة بكفاءة عالية، مقدماً تحكمًا دقيقًا ومستمرًا في مستوى التقسيم.

المثير للاهتمام هو أن UnSAMv2 يحتاج فقط إلى 6000 صورة غير مصنفة و0.02% من المتغيرات الإضافية، بينما يعزز بشكل ملحوظ أداء SAM-2، مما يتيح تقسيم محتوي مختلف بدقة عبر مهام التفاعل والتقسيم الكلي للصورة والفيديو.

علاوة على ذلك، تم تقديم خط أنابيب تقسيم موجه باللغة، يعامل دقة التقسيم كمتغير قابل للتنبؤ من خلال الربط مع معاني النصوص عبر نموذج رؤية ولغة خارجي، مما يحسن القدرة على تحقيق تقنيات الدقة إلى مستويات جديدة. عبر 11+ معيار، يحقق UnSAMv2 مكاسب فعلية مقارنة بأسس SAM/SAM-2، مما أظهر تحسنًا كبيرًا في العديد من المعايير.

هذا العمل يظهر كيف يمكن لنموذج قائم على كميات صغيرة من البيانات غير المصنفة أن يحدث تحسنًا كبيرًا وعملياً مقارنة بالنماذج القائمة على التعليمات.

للاطلاع على الكود ومجموعة البيانات والتجربة، يمكنكم زيارة GitHub.