https://www.neican.ai/tags/%E5%9B%BE%E5%83%8F%E5%88%86%E5%89%B2/ Recent content in 图像分割 on AI内参 Hugo zh-cn Thu, 20 Nov 2025 18:40:05 +0800 https://www.neican.ai/insights/meta2d3dai-20251120184005898-0/ Thu, 20 Nov 2025 18:40:05 +0800 https://www.neican.ai/insights/meta2d3dai-20251120184005898-0/ Meta发布的SAM 3D和SAM 3模型，通过实现2D图像到3D模型的高效重建以及创新的“可提示概念分割”功能，被誉为计算机视觉的“GPT时刻”，极大地提升了视觉智能的通用性和效率。这些模型在数据驱动、人机协同标注和“三维预训练”理念下取得了突破，有望深刻变革零售、机器人、内容创作等产业，并加速具身智能和元宇宙的进程。然而，技术精细度、伦理治理和数据偏见仍是未来发展中需要面对的重要挑战。 https://www.neican.ai/insights/metasam-30-20251013121004776-0/ Mon, 13 Oct 2025 12:10:04 +0800 https://www.neican.ai/insights/metasam-30-20251013121004776-0/ Meta的最新力作SAM 3.0模型正式曝光，它引入了“可提示概念分割”新范式，让图像和视频分割能直接理解自然语言指令，实现“想啥画啥”的超凡能力。新模型不仅在多项基准测试中刷新SOTA，处理速度也快如闪电，甚至能与多模态大模型“梦幻联动”，预示着视觉AI将迎来一次颠覆性的升级。 https://www.neican.ai/insights/gensegai-20250812114006604-5/ Tue, 12 Aug 2025 11:40:06 +0800 https://www.neican.ai/insights/gensegai-20250812114006604-5/ 加州大学圣地亚哥分校的GenSeg框架通过创新的端到端生成式AI，以极少标注数据（1/8至1/20）实现医学图像分割的高性能，解决了医疗AI数据匮乏的痛点。该技术通过将数据生成与模型训练深度耦合，有望显著降低医疗AI部署成本，加速精准医疗的普惠化进程，并引领AI从“数据饥渴”走向“数据高效”的新范式。