扎克伯格公开机器学习模型Segment Anything升级版

Meta 在去年震推出了机器学习模型 Segment Anything，能够自动识别和精准勾勒出图像中的任何对象。周一在 SIGGRAPH 大会上，Meta 首席执行官马克·扎克伯格首次公开了这款模型的升级版——Segment Anything 2（简称 SA2），标志着这一技术正式跨越至视频领域。

分割是一个技术术语，是指模型在审视图像时能够精准区分并标识出各个独立元素的能力，如“这是一只独立的狗，那是它身后的另一棵树”，而非混淆成“狗与树融为一体的奇异景象”。尽管这一技术概念已历经数十载的探索，但近年来，图像识别技术飞跃式进步，其中“分割一切”是向前迈出的重要一步。

SA2 的推出，是 Segment Anything 系列自然而然的延伸，它不仅局限于静态图像的识别，更将触角延伸至动态视频领域，实现了对视频内容的深度解析与即时分割。尽管理论上可以对视频的每一帧单独应用初代模型，但 SA2 的问世无疑为这一任务提供了更为高效、流畅的解决方案。

扎克伯格在与英伟达 CEO 黄仁勋的对话中提到：“科学家们现在可以利用 SA2 深入研究珊瑚礁、自然栖息地等复杂环境，而无需实地拍摄，这无疑为科研探索开辟了全新的途径。”

值得注意的是，处理视频数据对计算资源的需求远超静态图像，但 SA2 能够在不过度依赖大型数据中心资源的情况下高效运行。当然，它仍然是一个庞大的模型，需要强大的硬件才能运行，但即使在一年前，快速、灵活的分割也几乎是不可能的。

与首代模型一样，SA2 同样采取免费开放的策略。目前还没有关于托管版本的消息，Meta 贡献了一个包含 50,000 个视频的大型标注数据库，供全球开发者与研究人员使用。此外，据论文透露，另一份内部专用的、规模超过 100,000 视频的数据库也被用于 SA2 的训练过程中。

Meta 长久以来一直是“开放 AI”领域的倡导者与领导者，而近期 LLaMa、Segment Anything 系列模型及更多免费资源的推出，更是将 AI 技术的可及性提升到了新的高度，尽管围绕“开放性”的争议依然存在。

对此，扎克伯格坦言：“SA2 不仅仅是一个软件工具，它需要一个繁荣的生态系统来支撑其发展。我们选择开源，并非出于纯粹的利他主义，而是坚信这样做能够汇聚全球智慧，共同推动我们构建的产品达到前所未有的高度。”