X2SAM: Any Segmentation in Images and Videos

요약

X2SAM은 이미지와 비디오에 걸쳐 임의 분할(Any Segmentation) 기능을 확장하는 통합된 멀티모달 대규모 언어 모델(MLLM)입니다. 이 모델은 시간적 일관성을 유지하기 위해 Mask Memory 모듈을 지원하며, 일반적인 분할부터 지시 기반, 추론 및 상호작용 분할에 이르기까지 다양한 유형의 분할 작업을 수행할 수 있습니다.

핵심 포인트

• X2SAM은 이미지와 비디오를 아우르는 통합 분할(Segmentation) 모델입니다.
• 시간적 일관성 유지를 위해 Mask Memory 모듈을 도입했습니다.
• 일반, 오픈-보컬리, 지시 기반, 추론 및 상호작용 등 다양한 유형의 분할 작업을 지원합니다.