本文首发：AIWalker，欢迎关注~~

殊途同归！SAM轻量化的终点竟然是RepViT + SAM，移动端速度可达38.7fps。

对于 2023 年的计算机视觉领域来说，「分割一切」（Segment Anything Model）是备受关注的一项研究进展。尽管SAM具有各种优势，但速度慢是其不得不提的一个缺点，端侧根本就跑不动。研究者们也提出了一些改进策略：将默认 ViT-H 图像编码器中的知识提炼到一个微小的 ViT 图像编码器中，或者使用基于 CNN 的实时架构降低用于 Segment Anything 任务的计算成本。

就在今日，arXiv上同时公开两篇SAM轻量化的方法EdgeSAM、RepViT-SAM，更巧合的是两者采用了完全相同的Image Encoder模块：RepViT；两者也都在手机端能以超快的速度进行任意分割，值得一提的是：EdgeSAM能在iphone14手机上达到38.7fps的处理速度。

https://arxiv.org/abs/2312.05760
https://github.com/THU-MIG/RepViT
在AIWalker后台回复【RepViT-SAM】即可下载原文与中文译文

该方案延续了MobileSAM的处理方式，即采用原生SAM的ViT Encoder模块对所替换的Encoder模块进行知识蒸馏。

• 在实现方面，RepViT-SAM引入了移动端新秀RepViT的RepViT-M2.3作为图像编码器提取图像特征；
• 在老师模型方面，它选用了SAM-ViT-H版本进行蒸馏。
• 在应用方面，该方案进行了多种任务适配，如Mask预测、边缘检测等。

https://arxiv.org/abs/2312.06660
https://github.com/chongzhou96/EdgeSAM
在AIWalker后台回复【EdgeSAM】即可下载原文与中文译文

相比而言，EdgeSAM方法上会显得更优异：它并非仅仅参考MobileSAM进行了Image Encoder的蒸馏，还仔细分析了不同蒸馏策略并证实：任务不可知的编码器蒸馏难以学习到SAM所具备的全部知识。

有鉴于此，作者提出：循环使用bbox与point提示词，同时对提示词编码器与Mak解码器进行蒸馏，以便于蒸馏模型能够准确的学习到提示词与Mask之间的复杂关系。

• 在2080Ti上，相比原生SAM，EdgeSAM推理速度快40倍；
• 在iPhone14上，相比MobileSAM，EdgeSAM推理速度快14倍，达到了38.7fps。

在AIWalker后台回复：【EdgeSAM】，即可下载原文与中文译本；
在AIWalker后台回复【RepViT-SAM】即可下载原文与中文译本。

推荐阅读

• RepViT: 从ViT角度重新审视轻量级CNN移动端架构
• EfficientSAM | 借助MIM机制，MetaAI让SAM更高效！
• FastSAM：基于CNN的SAM任务解决方案，速度提升50倍！
• MobileSAM | 让SAM再快一点！处理一张图像仅需10ms
• NanoSAM：让您在Jetson Orin上享受实时分割的卓越体验
• 实践教程｜硬核详解SAM TensorRT模型转换