ChatGPT 引发语言大模型，AI 另一个重大领域视觉GPT ，请看智源分割模型 SegGPT凌云光

ChatGPT 引发了语言大模型狂潮，AI 另一个重大领域 —— 视觉 —— 的 GPT 时刻何时到来？

前两天，机器之心介绍了 。该研究引起了 AI 社区广泛讨论。

而据我们所知，几乎同一时间，智源研究院视觉团队也推出通用分割模型 SegGPT（Segment Everything In Context）—— 利用视觉提示（prompt）完成任意分割任务的通用视觉模型。

SegGPT 与 Meta AI 图像分割基础模型 SAM 同时发布，两者的差异在于

SegGPT &34; 一通百通 &34;给出一个或几个示例图像和意图掩码，模型就能 get 用户意图，&34; 有样学样 &34; 地完成类似分割任务。用户在画面上标注识别一类物体，即可批量化识别分割同类物体，无论是在当前画面还是其他画面或视频环境中。

SAM &34; 一触即通 &34;通过一个点或边界框，在待预测图片上给出交互提示，识别分割画面上的指定物体。

无论是 &34; 一触即通 &34; 还是 &34; 一通百通 &34;，都意味着视觉模型已经 &34; 理解 &34; 了图像结构。SAM 精细标注能力与 SegGPT 的通用分割标注能力相结合，能把任意图像从像素阵列解析为视觉结构单元，像生物视觉那样理解任意场景，通用视觉 GPT 曙光乍现。

SegGPT 是智源通用视觉模型 Painter（CVPR 2023）的衍生模型，针对分割一切物体的目标做出优化。SegGPT 训练完成后无需微调，只需提供示例即可自动推理并完成对应分割任务，包括图像和视频中的实例、类别、零部件、轮廓、文本、人脸等等。

凌云光已参与北京智源机器视觉和计算机视觉的研发。