华人团队颠覆CV！SEEM完美分割一切爆火，一键分割“瞬息全宇宙”(8)

SAM具有广泛的通用性，即具有了零样本迁移的能力，足以涵盖各种用例，不需要额外训练，就可以开箱即用地用于新的图像领域，无论是水下照片，还是细胞显微镜。

研究者就三个分割任务（边缘检测、开放集和交互式分割）的交互和语义能力对SEEM和SAM进行了比较。
在开放集分割上，同样需要高水平的语义，并且不需要交互。
与SAM相比，SEEM涵盖了更广泛的交互和语义层次。
SAM只支持有限的交互类型，比如点和边界框，而忽视了高语义任务，因为它本身不输出语义标签。
对于SEEM，研究者点出了两个亮点：
首先，SEEM有一个统一的提示编码器，将所有的视觉和语言提示编码到一个联合表示空间中。因此，SEEM可以支持更通用的用法，它有可能扩展到自定义提示。
其次，SEEM在文本掩码和输出语义感知预测方面做得很好。