AI 공부 도전기

[논문 Summary] PerSAM (2023.05 arxiv) "Personalize Segment Anything Model with One Shot"

 

     

 

논문 정보

Citation : 2023.06.30 금요일 기준 4회

저자

Renrui Zhang, Zhengkai Jiang, Ziyu Guo, Shilin Yan, Junting Pan, Hao Dong, Peng Gao, Hongsheng Li

 

논문 링크

Official

 

 

Arxiv

https://arxiv.org/abs/2305.03048

 

Personalize Segment Anything Model with One Shot

Driven by large-data pre-training, Segment Anything Model (SAM) has been demonstrated as a powerful and promptable framework, revolutionizing the segmentation models. Despite the generality, customizing SAM for specific visual concepts without man-powered

arxiv.org

 

 

논문 Summary

Abstract

 

 

0. 설명 시작 전 Overview

 

SAM을 활용한 Personalization approach에 대한 방안으로 PerSAM과 PerSAM-F을 제안.

단일 이미지와 이에 상응하는 mask를 3단계에 걸쳐 진행함으로써 효과적인 성능 결과를 확인 가능

 

1) target-guided attention

2) target-semantic prompting

3) cascaded post-refinement

 

mask의 ambiguity를 완화하기 위해 단 2개의 parameter에 대해 10초간 fine-tuning을 진행.

이를 PerSAM-F라 칭하며 성능이 좋아졌다고 함. Figure 2 참조

 

Dreambooth에서도 본 방법을 활용함으로써 더 좋은 personalize 결과 도출 가능.

 

1. Introduction

Segment Anything(SAM)에 대한 일반화된 segmentation mask 결과 도출은 놀라운 결과임이 자명하지만 특정 visual concept을 segment하는 확장성에서 부족함이 있다.

더욱이 SAM은 labor-intensive하고 time-consuming

뿐 아니라 각기 다른 pose나 context에서 정확한 target object의 위치를 특정하고 정확한 prompt를 통한 SAM의 활성화로 segment를 진행해야 한다.

 

여기서 저자들은 자문해본다.

Can we personalize SAM to automatically segment unique visual concepts in a simple and efficient manner?

간단하고 효율적인 방법으로 독특한 visual concept의 segment를 자동화하기 위한 personalize SAM을 만들 수 없을까?

 

여기서 저자들은 훈련이 필요없는 PerSAM을 제안한다.

 

Figure 1에서 제안한 바와 같이 1장의 이미지와 mask를 SAM의 이미지 encoder에 넣고 embedding을 encoding함.

test image의 모든 픽셀과 segment한 object 간의 feature similarity를 계산한다.

 

SAM decoder 처리에 있어 3가지 tech를 도입

 

1) Target-guided attention : 계산된 feature similarity로 SAM decoder의 token-to-image cross-attention layer를 guide

2) Target-semantic prompting : original low-level prompt token과 target object embedding의 결합으로 decoder에 더 충분한 visual cues를 제공.

3) Cascaded post-refinement : 더 섬세한 segmentation 결과를 위해 two-step post-refinement strategy 채택. 100ms

 

PerSAM 자체만으로도 장점이 있으나 ambiguity가 생기는 문제가 발생

SAM은 freeze하고 10초내 2개의 parameter를 fine-tune하는 PerSAM-F를 제안

 

 

employ learnable relative weights for each scale, and conduct a weighted summation as the final mask output.

각 scale마다의 상대적 학습가능한 weight를 채택하여 마지막 mask output에 weighted sum을 수행

 

the ambiguity issue can be effectively restrained by efficiently weighing multi-scale masks.

 

the identifier simultaneously include the visual information of backgrounds in the given images ... enabling more diverse
and higher-fidelity synthesis.

 

Dreambooth에서도 identifier가 객체 뿐 아니라 배경의 시각 정보를 포함하는 경우가 있어 문제가 생기지만 본 방법을 추가함으로써 더 나은 성능을 보임

 

요약

 

1) Personalized Segmentation Task : 최소한의 비용으로 customize segmentation이 가능할 것인지를 제안

2) Efficient Adaption of SAM : PerSAM, PerSAM-F 제안

3) Personalization Evaluation : PerSeg라는 segmentation dataset 제공

4) Better Personalization of Stable Diffusion : DreamBooth와 같은 personalized generation 성능 향상

 

 

2. Related work

Segmentation in Vision

SAM 짱짱맨

 

Foundataion Models

Bert, GPT, LLaMA, CLIP, CaFO,등 이있지만 SAM 말하고 싶어함

 

Parameter-efficient Fine-tuning

큰 모델에 대한 학습 어려우니 parameter efficient 방법들이 제안되어옴.

Prompt Tuning, LoRA, Adapter가 있음

 

3. Methods

 

3.1 Preliminary

 

A Revisit of Segment Anything

 

 

 

Personalized Segment Task

 

 

 

 

3.2 Training-free PerSAM

 

Positive-negative Location Prior

 

Target-guided Attention

 

 

Target-semantic Prompting

 

Cascaded Post-refinement

 

3.3 Fine-tuning of PerSAM-F

 

Ambiguity of Mask Scales

 

 

Learnable Scale Weights

 

3.4 Better Personalization of Stable Diffusion

 

A Revist of Dreambooth

 

PerSAM-assisted Dreambooth

 

 

 

4. Experiments

 

4.1 Personalized Evaluzation

 

PerSeg Dataset

 

 

Experimental Details

 

 

Performance

 

 

4.2 Video Object Segmentation

Experimental Details

DAVIS 2017 [40] dataset for evaluation

official J and F scores as metrics.

 

For PerSAM-F, we conduct one-shot fine-tuning on the first frame for 800 epochs with a learning rate $4^{-4}$

 

Performance

 

4.3 PerSAM-assisted Dreambooth

Experimental Details

1,000 iterations within 5 minutes on a single NVIDIA A100 GPU.

PerSAM-assisted DreamBooth

 

Performance

객체와 배경이 잘 분리됨

 

4.4 Ablation Study

 

 

5. Discussion

 

What is the Difference between SegGPT and PerSAM?

 

Painter and SegGPT contain 354M learnable parameters and unify a diverse set of segmentation data for large-scale
training.

 

In contrast, our approach is either training-free, or fine-tuning only 2 parameters within 10 seconds

 

We aim at a more efficient way to customize an off-the-shelf foundation model

 

 

Can PerSAM tackle Multi-object Scenarios?

 

 

Robustness to Quality of the One-shot mask

 

 

 

 

Reference

공식 Github

https://github.com/ZrrSkywalker/Personalize-SAM

 

GitHub - ZrrSkywalker/Personalize-SAM: Personalize Segment Anything Model (SAM) with 1 shot in 10 seconds

Personalize Segment Anything Model (SAM) with 1 shot in 10 seconds - GitHub - ZrrSkywalker/Personalize-SAM: Personalize Segment Anything Model (SAM) with 1 shot in 10 seconds

github.com

 

 

 

도움이 되는 Blog 1. PerSAM 간략 요약

https://ostin.tistory.com/198

 

Personalize Segment Anything Model with One Shot (PerSAM)

SAM(Segment Anything Model) 개인화&자동화 arXiv Github Abstract SAM(Segment Anything Model)을 위한 개인화 접근 방식인 PerSAM 제안. 또한 학습 가능한 가중치를 도입하여 더욱 효율적인 변형인 PerSAM-F 제안. 제안한

ostin.tistory.com

 

 

 

 

 

0000 

공유하기

facebook twitter kakaoTalk kakaostory naver band
loading