【深度学习】分割一切还不够，还要视频跟踪一切，《清明上河图》也能轻松拿下

南方科技大学郑锋团队的这项研究：Track Anything ，很好的解决了 SAM 在视频领域的短板。本月初，Meta 发布「分割一切」AI 模型（Segment Anything Model，简称 SAM），可以为任何图像或视频中的任何物体生成 mask，甚至包括没有见过的物体和图像。有人将这一研究比喻为计算机视觉领域的 GPT-3 时刻之一。Meta 表示，「SAM 已经学会了关于物体的一般概念，可以为任何图像或视频中的任何物体生成 mask，甚至包括在训练过程中没有遇到过的物体和图像类型。SAM 足够通用，可以涵盖广泛的用例，并且可以在新的图像『领域』即开即用，无需额外的训练。」该模型一经发布，迅速引起计算机视觉领域的轰动，更是有人发出「CV 不存在了」这样的感慨。然而目前 SAM 的应用主要集中在图像领域，在视频领域的应用仍然未被深入探索，尤其是对视频目标的跟踪 / 分割 ………………………………