這兩天，F(xiàn)acebook的母公司Meta發(fā)布了Segment Anything Model這款圖像分割基礎(chǔ)模型，他可以從圖像中準確地識別和區(qū)分單個物體，簡稱SAM。

之前有玩過Stable Diffusion的同學(xué)，在用到ControlNet這個插件時，有接觸過“語義分割”的，或許對這個SAM的圖像識別會有更深的感觸。

因為，有了更精準的對圖像的識別能力后，對之后的創(chuàng)作就意味著更加可控和更大的創(chuàng)作空間。相比起現(xiàn)在剛熱起來的Midjourney和Stable Diffusion為代表的AI繪畫，SAM無疑是再次顛覆了我們對AI繪畫的認知，對他們實現(xiàn)了類似彎道超車的效果。英偉達的人工智能科學(xué)家Jim Fan稱它為，這是計算機視覺領(lǐng)域的“GPT-3 時刻”之一。

SAM是一種通用的圖像分割模型，可以生成任何圖像或視頻中任何對象的掩碼，并且可以適應(yīng)不同的圖像域。該項目的目標是建立一個基礎(chǔ)的分割模型，類似于自然語言處理模型中的提示模型，使得更多人能夠使用和定制該技術(shù)。

例如，理解網(wǎng)頁的視覺和文本內(nèi)容。在 AR/VR 領(lǐng)域，SAM 可以根據(jù)用戶的視線（眼動追蹤）選擇對象，然后將其“提升”為 3D。對于內(nèi)容創(chuàng)作者，SAM 可以改進創(chuàng)意應(yīng)用，例如提取圖像區(qū)域以進行拼貼或視頻編輯。SAM 可以成為AR/VR、內(nèi)容創(chuàng)作、科學(xué)領(lǐng)域和更普遍的AI 系統(tǒng)等領(lǐng)域的強大組件。

SAM官網(wǎng)地址：https://segment-anything.com

=================================

不論是Adobe的全家桶也好，還是Midjourney也罷，抑或是Stable Diffusion，乃至今天出現(xiàn)的SAM。歸根結(jié)底，這些都只是工具，為人類提供使用的技術(shù)工具而已。既然是工具，自然也就有不斷被更新更犀利的新技術(shù)新工具所取代。如今的SAM的出現(xiàn)，就很可能讓我們在學(xué)習(xí)AI繪畫過程中，有一種，還沒開始（學(xué)習(xí)Midjourney），就已經(jīng)結(jié)束了（或許有了SAM，讓AI繪畫有了新的更便利的工具）的感覺。

在道、法、術(shù)、器的四個層面來說，上述的AI工具，都只是屬于器的層面?！熬硬黄鳌?，古人也告誡過我們，不要被單一的器所局限和束縛，需要的是更高層面的掌握，更多的是需要學(xué)習(xí)其工作原理和其內(nèi)在邏輯，才不會因為“器”的更替而陷入被動。并不是不鼓勵大家投入時間學(xué)習(xí)這些工具，而是我們需要思考在有限的時間里如何學(xué)，學(xué)到什么程度，需要斟酌是否all in，還是先“讓子彈飛一會兒”呢？

如今的AI爆發(fā)，帶來層出不斷的各方面的技術(shù)發(fā)布，更需要我們保持學(xué)習(xí)，多思考，更加重視自身底層的能力學(xué)習(xí)、培養(yǎng)和沉淀。在學(xué)習(xí)新技術(shù)新工具的同時，依然不要落下自己底層能力的培養(yǎng)，比如創(chuàng)造力、審美能力、思考能力、提問的能力、溝通的能力、聽說讀寫等能力。