2023国盛证券-计算机行业专题研究：多模态GPT的号角：SAM15-信息技术 2022年04月 2MB.pdf

《2023国盛证券-计算机行业专题研究：多模态GPT的号角：SAM15-信息技术 2022年04月 2MB.pdf》由会员分享，可在线阅读，更多相关《2023国盛证券-计算机行业专题研究：多模态GPT的号角：SAM15-信息技术 2022年04月 2MB.pdf（11页珍藏版）》请在中天文库上搜索。

1、 请仔细阅读本报告末页声明请仔细阅读本报告末页声明 证券研究报告|行业专题研究 2023 年 04 月 08 日 计算机计算机 多模态多模态 GPT 的号角：的号角：SAM Meta发布发布SAM，零样本分割图像中一切对象，零样本分割图像中一切对象。4月6号，Meta发布Segment Anything Model（SAM），该模型可以用于分割图像中的一切对象，即使是训 练 数 据 中 没 有 见 过 的 对 象，可 直 接 在 网 页 体验:https:/segment- 可以使用各种输入提示包括点击，框选和文字，指定要在图像中分割的内容，并且可以灵活集成其他系统，比如将 AR/VR 头盔的

2、用户视线作为提示来选择对象，也可以将分割输出用作其他 AI 系统的输入，用于 3D 建模等任务。模型设计高效灵活，每个提示只需要几毫秒就能在浏览器中运行，并且 Meta 开源了 SAM 的模型和包含 1100 万张图像和 11 亿个掩码的训练数据集。SAM 初步验证了多模态技术路径及其泛化能力，相当于计算机视觉领域的初步验证了多模态技术路径及其泛化能力，相当于计算机视觉领域的GPT-3。英伟达人工智能科学家 Jim Fan 认为 Meta 的这项研究是计算机视觉领域的“GPT-3 时刻”之一。SAM 是通用的分割方法，已经学会了物体是什么的一般概念，可以对不熟悉的物体和图像进行零样本泛化，而无

3、需额外的训练。GPT-3 系列模型可以使用“提示”技术对新数据集和任务执行零样本和少样本学习，SAM 从中获得灵感将提示技术用于图像分割。展望将来，SAM 可以成为更大的 AI 系统的一个组成部分，用于对世界做更通用的多模态理解，例如，理解网页的视觉和文本内容；在 AR/VR 领域，SAM 可以根据用户的目光选择对象，然后将其“提升”到 3D 中；对于内容创作者，SAM可以提取图像区域以进行拼贴或视频编辑；SAM 还可通过定位动物或物体在视频中进行研究和跟踪。多模态提升空间巨大，技术进步速度超预期，将落地千行百业。多模态提升空间巨大，技术进步速度超预期，将落地千行百业。当前多模态的输入输出主要是文本、图像和音频，应用场景包括智能办公和，如智能PPT 和其他 office 套件，此外多模态在 AI 绘画、AI 音乐创作以及看图写稿等 AIGC 方向也有广泛应用。预计 15 年内，随着多模态的