arXiv · 15.06.2026 ·Инференс и обработка изображений

ActiveSAM ускоряет сегментацию изображений для ИИ-агентов

Исследователи из Meta представили ActiveSAM — метод, который оптимизирует работу Segment Anything Model 3 (SAM 3) для сегментации изображений в задачах с открытым словарём (OVSS). Основная проблема SAM 3 заключается в неэффективности: модель обрабатывает все классы из словаря, хотя в каждом изображении присутствует лишь небольшая их часть.

ActiveSAM решает эту проблему, предлагая тренировочный метод без обучения (training-free) и нулевой выстрел (zero-shot inference). Он динамически выбирает только те классы, которые действительно присутствуют на изображении, что значительно ускоряет процесс сегментации. Это особенно важно для ИИ-агентов, которые могут работать с большими объёмами визуальной информации и требуют быстрого и точного анализа.

Технология ActiveSAM может быть полезна для разработчиков ИИ-агентов, таких как Jarv, которые используют визуальные данные. Быстрая и точная сегментация изображений позволяет агентам лучше понимать контекст и выполнять задачи, связанные с обработкой визуальной информации, например, в системах компьютерного зрения или анализе изображений в реальном времени.

Исследование было опубликовано на arXiv и доступно по ссылке: https://arxiv.org/abs/2606.16996v1. Это важный шаг в направлении оптимизации работы моделей сегментации, что может значительно улучшить производительность ИИ-агентов в задачах, связанных с обработкой изображений.

Источник: arXiv

Похожие материалы

arXiv · ИИ-агенты и обработка изображений Использование Segment Anything Model для интерпретации сейсмических данных Исследователи изучили применение Segment Anything Model (SAM) для интерпретации сейсмических данных, что может быть полезно для разработки ИИ-агентов, работающих с визуальной информацией. SAM, разработанный Meta, демонстрирует мощные возможности сегментации изображений на основе подсказок, что делает его перспективным инструментом для анализа сложных данных. The latest research from Google · Оптимизация моделей для ИИ-агентов Sequential Attention: как ускорить модели без потери точности Исследователи Google предложили новый подход к оптимизации трансформеров — Sequential Attention. Он позволяет значительно сократить вычислительные затраты на инференс, не жертвуя точностью. В основе метода лежит идея последовательного внимания: вместо параллельной обработки всех токенов модель фокусируется на одном токене за раз, используя информацию из предыдущих шагов. Это снижает сложность вычислений с O(n²) до O(n log n), что делает модели более эффективными для локального развертывания и работы в реальном времени. arXiv · Машинное обучение и ядра SPaiK: масштабируемое обучение ядерных методов для парных задач Исследователи представили SPaiK — новый метод обучения ядерных методов, оптимизированный для парных задач. В отличие от традиционных подходов, SPaiK сохраняет выразительную силу ядерных методов, но значительно снижает вычислительные и память. Это особенно важно для задач, где необходимо работать с большими объемами данных, например, в рекомендательных системах или сравнении объектов. arXiv · Оптимизация ансамблей моделей Новый метод для эффективной калибровки ансамблей моделей Исследователи предложили Simplex-Constrained Sparse Bagging (SCSB) — математический фреймворк для пост-обучения ансамблей моделей, таких как Random Forests, Bagged SVMs и Bagged Neural Networks. В традиционных подходах к ансамблированию каждая модель имеет одинаковый вес, что не учитывает их разную точность в разных контекстах. arXiv · Оптимизация работы с моделями кода Как улучшить точность небольших моделей кода без переобучения Исследователи из DeepSeek и других организаций представили новый подход к повышению точности небольших моделей кода без необходимости их переобучения. В работе рассматриваются так называемые «замороженные» модели кода (с параметрами ≤45 миллионов), которые не поддаются стандартным методам улучшения качества вывода. arXiv · Оптимизация декодирования в ИИ-агентах Новый метод декодирования для ускорения работы ИИ-агентов Исследователи из MIT и Google Research предложили новый подход к декодированию в языковых моделях, который может значительно ускорить работу ИИ-агентов. В статье, опубликованной на arXiv, они представляют метод Mean-Field Parallel Decoding, который позволяет генерировать токены параллельно, минимизируя задержки. arXiv · RAG и аналитическое мышление Как RAG помогает ИИ-агентам решать сложные задачи через аналогии Исследователи из MIT и Google Research предложили новый подход к улучшению способности языковых моделей решать сложные задачи через аналогии. В работе, опубликованной на arXiv, они демонстрируют, как Retrieval-Augmented Generation (RAG) может быть адаптирован для более эффективного решения задач, требующих нестандартного мышления. arXiv · ИИ-агенты и пространственное мышление SpatialClaw: новый интерфейс для пространственного мышления ИИ-агентов Исследователи из MIT и других ведущих университетов представили новый подход к решению проблемы пространственного мышления в ИИ-агентах. В работе SpatialClaw они предлагают пересмотреть интерфейс действий, через который агенты взаимодействуют с инструментами для восприятия пространства. Это особенно важно для задач, требующих понимания расположения объектов, их взаимосвязей и движений в 3D-пространстве. Hacker News · Инференс и локальный запуск моделей Snapcompact: компактный инференс моделей локально и бесплатно Команда Can.AI представила Snapcompact — новый подход к компактификации моделей, который позволяет запускать большие языковые модели локально с минимальными затратами ресурсов. Snapcompact использует инновационные методы компрессии, которые сохраняют точность моделей при значительном уменьшении их размера. Это особенно важно для разработчиков ИИ-агентов, так как позволяет развертывать сложные модели на устройствах с ограниченными ресурсами, включая ноутбуки и мобильные устройства. arXiv · Потоковое рассуждение для ИИ-агентов AdaSR: адаптивное потоковое рассуждение для динамических сценариев Исследователи из MIT и Google Research представили AdaSR — фреймворк для адаптивного потокового рассуждения, который позволяет ИИ-моделям обрабатывать динамические данные, такие как аудио- и видеопотоки. В отличие от традиционных подходов, где модели анализируют статичный контекст, AdaSR работает с частичными наблюдениями, обновляя свои выводы по мере поступления новой информации.

← Все материалы