Meta, raksasa teknologi yang terkenal dengan produk-produknya seperti Facebook, baru-baru ini mengumumkan penemuan model kecerdasan buatan (AI) terbaru mereka. Model ini mampu mengidentifikasi berbagai objek dalam sebuah gambar. Meskipun sebelumnya Meta telah mengambil posisi di belakang para pesaingnya dalam industri AI generatif, temuan ini berpotensi memiliki dampak besar pada masa depan AI.
Model AI baru ini disebut sebagai model segmentasi gambar, yang memiliki kemampuan untuk mengidentifikasi berbagai item dalam sebuah foto. Sebagai contoh, dalam sebuah foto kotak buah, model AI yang menggunakan segmentasi gambar akan dapat mengidentifikasi setiap buah yang ada dalam foto serta kotaknya, seperti yang terlihat dalam demo Meta.
Segment Anything Model (SAM) dari Meta melibatkan sebuah tugas, dataset, dan model baru untuk segmentasi gambar yang bertujuan untuk “demokratisasi segmentasi”. Menurut Meta, hal ini dimaksudkan untuk membuka akses yang lebih luas bagi berbagai pihak dalam menggunakan teknologi ini.
Meta merilis Segment Anything Model (SAM) dan dataset segmentasi terbesar yang pernah ada, dataset mask 1 Miliar (SA-1B). Dataset tersebut memiliki lebih dari 1 miliar masker pada 11 juta gambar berlisensi dan menghormati privasi.
Dalam pengumuman tersebut, Meta menyatakan bahwa mereka merilis (SAM) dan (SA-1B) “untuk memungkinkan berbagai aplikasi dan mempromosikan penelitian lebih lanjut mengenai model dasar untuk visi komputer.”
Segmentasi gambar dapat digunakan untuk berbagai keperluan, seperti pengeditan foto, analisis gambar ilmiah, dan pengembangan sistem AI yang lebih besar dan kompleks yang memerlukan pemahaman multimodal tentang dunia. Selain itu, teknologi ini juga sangat menarik dalam pengembangan augmented reality (AR) dan virtual reality (VR).
Sebelumnya, model-model segmentasi yang ada memerlukan seseorang untuk membimbingnya melalui segmentasi interaktif atau pelatihan berdasarkan jumlah objek yang dianotasi secara manual untuk segmentasi otomatis. Namun, dengan kehadiran SAM, praktisi tidak lagi perlu mengumpulkan data segmentasi mereka sendiri dan juga menghilangkan kebutuhan untuk menyesuaikan model untuk kasus penggunaan mereka, sehingga menghemat waktu dan usaha yang dibutuhkan.