DART 框架：无需训练将 SAM 转为实时多类检测器
rsasaki0109 · x · 2026-08-29
DART (Detect Anything in Real Time) 是一个无需训练的框架，旨在将前沿的目标检测模型（如 SAM）转换为实时的多类别开放词汇检测器。
性能表现：
- 在单张 RTX 4080 上，处理 4 类别、1008px 分辨率的图像时，运行速度达到 15.8 FPS。
- 在 COCO val2017 数据集（80 类）上取得了 55.8 AP 的成绩。
该框架主要解决了现有模型（如 SAM）在实时多类检测应用中的效率瓶颈。
所属事件:DART 框架：免训练让 SAM 实现实时多类检测(2 条相关)→
「多模态」频道最新
- Halcyon 早期融合图像模型省 275 倍预训练算力并开源 — davidwromero · 2026-10-16
- 12GB 笔记本显卡硬跑 Wan2.1 14B FP16:内存交换压测 4 分 11 秒出片 — RYuu-1120 · 2026-10-16
- Midjourney 出图:黑洞吸积盘与行星系美学新作 — ciguleva · 2026-10-16
- Andrew 暗示 Fable 5.5 或于今日发布，最早下周 — kimmonismus · 2026-10-16
- 可灵 4.0 升级支持时间线内边看边改,获《首尔之春》导演背书 — xiaohu · 2026-10-16
- 一句 Prompt 让模型用 NumPy 手推公式生成 3D 高斯泼溅 — fofrAI · 2026-10-16