人工智能行业专题：SAM带领CV领域技术突破 赋能多场景AI应用

【资料图】

SAM 模型为CV 领域的ChatGPT，为计算机视觉带来技术突破。Meta 公司近期推出了其创新的AI 模型——Segment Anything Model （SAM），专门用于计算机视觉（CV）领域的图像分割任务。这一模型吸取了ChatGPT 基于提示（Prompt）的学习范式，实现了预训练与特定下游任务之间的紧密结合，从而显著提高了模型的泛化能力。更为出色的是，SAM 还展现出了卓越的零样本学习效果。SAM 的设计初衷和核心愿景是为了简化图像分割流程。它旨在减少对专业建模知识的依赖，同时也降低了大规模训练计算的需求。与此同时，SAM 模型还大大降低了用户手动标注掩码的需求。其最终目标是使用户在“不会/少会操作、不标注/少标注数据、不训练/少训练模型”的前提下，也能够实现高效的图像目标分割。

SAM 引起AI 届的广泛关注和讨论，并产生相关衍生模型，提升模型功能，增加应用可能性。其衍生模型在分割效率、医学影像分割、阴影缺陷检测、伪体识别和动态图像分割等领域有性能提升，如SEEM 模型结合了SAM 的零样本泛化能力和检测器，可以根据多种用户输入分割图像或视频中的内容；MedSAM 对SAM 进行微调，专门针对医学影像分割，并显示出比SAM 更优的性能；通过适配方法生成SAM-Adapter，其性能得以提升，特别是在阴影检测和伪装物体分割等任务上；SAM-Track 项目拓展了SAM 模型，增强其视频分割能力，可广泛应用于多种视频场景，提供高准确性和可靠性的视频编辑功能。SAM 衍生模型或可应用与运动场景、医学影像、遥感图像等图像分割难度较大的领域。

SAM 及其衍生模型可基于强大的性能赋能多场景应用，催生巨大应用蓝海。

如SAM 在零样本学习上表现优秀，可减少已有的CV 领域训练数据量，实现降本增效；或在在标记数据稀缺或获取成本高的领域有许多潜在的应用。可将大模型应用在CV 领域的制造业赛道，如工业机器视觉行业；可将模型应用于计算机视觉的下游应用赛道，包括自动驾驶、安防系统、AR 领域等；此外遥感图像、医学影像领域，由于图像分割难度较高，技术还需突破，可长期关注。

风险提示：1、技术发展不及预期；2、算力、数据支持不及预期；3、应用落地不及预期；4、行业竞争加剧。

投资建议：建议关注AIGC 在CV 领域应用的相关赛道，维持超配评级。AI大模型正在推动空天信息产业的发展，其中遥感大模型技术日益显现其重要性。相对于传统方法的局限性，大模型提供了统一分割、识别和生成遥感图像的能力，显著提高了效率和鲁棒性。基于此推荐相关标的1）航天宏图：推出了天权大模型，提升了各类遥感数据的处理性能；2）中科星图：推出了空天灵眸大模型，推动在线数字地球业务。

关键词：