Meta'dan devrimsel yapay zeka modeli
Sosyal Medya devi Facebook'un ana şirketi Meta, görüntü segmentasyonu (görüntü bölütlemesi) modelini ve bunun tüm veri setini kullanıma sürdü. Meta geliştirdiği araca Segment Any Model (SAM) adını verirken şimdiye kadarki en büyük segmentasyon veri kümesi olan SA-1B Dataset’i de açık kaynak haline getirdi.
SAM, kullanıcıların nesneleri sadece bir tıklamayla veya nesneyi dahil etmek ve hariç tutmak için noktalara etkileşimli olarak tıklayarak bölümlere ayırmasına olanak tanıyor. SAM, bir görüntüdeki tüm nesneleri otomatik olarak tespit edip maskeleyebilir. SAM, görüntü gömme işlemini önceden hesapladıktan sonra gerçek zamanlı olarak herhangi bir istem için bir segmentasyon maskesi oluşturabiliyor ve modelle gerçek zamanlı etkileşime izin veriyor. SA-1B Dataset tarafındaysa 11 milyon lisanslı görüntü üzerinden elde edilen 1.1 milyardan fazla segmentasyon maskesi bulunuyor. SA-1B’in mevcut segmentasyon veri setlerinden 400 kat daha fazla maskeye sahip olduğu belirtiliyor.
Bill Gates’ten Elon Musk’a yapay zeka cevabı
Segment Anything modeli, eğitim setinin bir parçası olmasalar bile resim ve videolardaki nesneleri tespit edebiliyor. Aynı zamanda metin girdilerine de izin veriyor. Örneğin, bir görsel eklediniz ve o görseldeki bulunan kedileri seçmek istediniz. Girdi kısmına “kedi” yazmanız bunun için yeterli oluyor. Segment Anything aynı zamanda diğer modeller birlikte de çalışabiliyor. Tek bir görüntü kullanarak bir nesnenin 3D olarak yeniden oluşturulmasına yardımcı olabilir veya karma gerçeklik başlığından alınan görüntülerden yararlanabilir.
Meta aynı zamanda Segment Anything için bir demo da kullanıma sundu. Mevcut görseller veya yüklediğiniz görseller üzerinden modeli deneyimleyebilirsiniz. Bu model günlük hayatımızda sık sık kullandığımız bir araç olarak girmese de kullandığımız sistemlerin altyapısına eklenen hayati bir araç olabilir. Akla ilk gelen bu tip modellerin sosyal medya platformlarına eklenmesi olabilir. Bu araçlar bir görselin gerçek mi yoksa sahte mi olduğunun anlaşılmasında bile kullanılabilir.
(Güncellendi: )
Haberi DH'de Gör
{{body}}
{{/longBody}} {{^longBody}}{{body}}
{{/longBody}}