移動再快也跟丟不了

原標題：經典卡爾曼濾波器改進視頻版「分割一切」，網友：好優雅的方法
文章來源：量子位
內容字數：5284字

Segment Anything Model 2（SAM 2）的改進：SAMURAI

在量子位的最新報道中，由華盛頓大學全華人團隊提出的改進版Segment Anything Model 2（SAM 2）——SAMURAI，再次引發了廣泛關注。該團隊利用經典的卡爾曼濾波器技術，成功提升了模型在復雜動態場景下的目標跟蹤能力，尤其是在快速移動和遮擋情況下的表現。

1. SAM 2的局限性

SAM 2在處理視覺目標跟蹤時，尤其是在擁擠場景中，由于忽視線索，常常出現跟丟現象。當目標快速移動或被遮擋時，模型傾向于依賴外觀相似性，導致跟蹤錯誤。

2. SAMURAI的技術提升

SAMURAI的核心在于兩個關鍵技術：建模和感知記憶選擇。建模通過卡爾曼濾波器有效預測目標，提高在復雜場景中的跟蹤準確性。感知記憶選擇則通過動態選擇最相關的幀，避免低質量特征對后續跟蹤的干擾。

3. 實驗結果與應用

實驗表明，SAMURAI在多個視覺目標跟蹤基準（如LaSOT、LaSOText和GOT-10k）上表現優異，超越了SAM 2，并與一些有監督方法相媲美。該模型能夠實時運行，無需重新訓練或微調，實用性極強。

4. 研究團隊介紹

該項目研究團隊由華盛頓大學電氣與計算機工程系的博士生和研究生組成，團隊成員包括Cheng-Yen Yang、Hsiang-Wei Huang、Zhongyu Jiang和Wenhao Chai，導師為IEEE院士Jenq-Neng Hwang。

5. 結論

SAMURAI的成功展示了經典方法在現代人工智能模型中的有效性，證明了有時候簡單而經典的技術可以為復雜問題提供優雅的解決方案。

更多信息可訪問項目主頁與論文鏈接，了解SAMURAI的更多技術細節和應用案例。

聯系作者

文章來源：量子位
作者微信：
作者簡介：追蹤人工智能新趨勢，關注科技行業新突破