บทความนี้จะแนะนำโมเดล EdgeSAM และการเพิ่มประสิทธิภาพการทำงาน รวมถึงการเปิดตัวโมเดล EfficientSAM EdgeSAM บรรลุการปรับปรุงประสิทธิภาพที่สำคัญบน iPhone 14 โดยแตะ 30 เฟรมต่อวินาที ซึ่งเร็วกว่ารุ่นเดิม 40 เท่า โมเดลนี้ปรับปรุงความแม่นยำของโมเดลได้อย่างมีประสิทธิภาพ และแก้ปัญหาความลำเอียงของชุดข้อมูลโดยการใช้สถาปัตยกรรม CNN ล้วนๆ และแนะนำเทคโนโลยี เช่น ตัวเข้ารหัสคำใบ้ ตัวถอดรหัสมาสก์ และโมดูลน้ำหนักเบา นอกจากนี้ การใช้กลยุทธ์การสุ่มตัวอย่างพร้อมท์แบบไดนามิกยังช่วยปรับปรุงประสิทธิภาพและความแม่นยำของแบบจำลองอีกด้วย การเปิดตัว EfficientSAM มอบประสบการณ์อันมีค่าสำหรับการวิจัยโมเดลการแบ่งส่วนแบบน้ำหนักเบา
รุ่น EdgeSAM ได้รับการปรับปรุงประสิทธิภาพ 40 เท่าที่ 30 เฟรมต่อวินาทีบน iPhone 14 ด้วยการเพิ่มประสิทธิภาพตัวเข้ารหัสรูปภาพ SAM ที่ใช้ ViT ให้กลายเป็นสถาปัตยกรรม CNN ล้วนๆ จะถูกปรับให้เข้ากับอุปกรณ์ Edge ขอแนะนำตัวเข้ารหัสคำใบ้ ตัวถอดรหัสมาสก์ และโมดูลน้ำหนักเบาเพื่อปรับปรุงความแม่นยำของโมเดลและแก้ไขอคติของชุดข้อมูล มีการใช้กลยุทธ์การสุ่มตัวอย่างคิวแบบไดนามิกเพื่อเป็นแนวทางให้โมเดลของนักเรียนมุ่งเน้นไปที่ส่วนที่เฉพาะเจาะจง ในเวลาเดียวกัน EfficientSAM ได้รับการเผยแพร่เพื่อลดความซับซ้อนในการคำนวณของโมเดล SAM และมอบประสบการณ์อันมีค่าสำหรับโมเดลการแบ่งส่วนแบบน้ำหนักเบาการเกิดขึ้นของ EdgeSAM และ EfficientSAM ถือเป็นความก้าวหน้าครั้งสำคัญในการใช้งานโมเดลการแบ่งส่วนแบบน้ำหนักเบาบนอุปกรณ์เคลื่อนที่ มอบความเป็นไปได้ใหม่ๆ สำหรับแอปพลิเคชัน AI ในอนาคตในด้านการประมวลผลแบบ Edge และมอบเครื่องมือที่มีประสิทธิภาพมากขึ้นแก่นักพัฒนาและเรียนรู้จากประสบการณ์