# ASAM – vivo公司推出的AI图像分割模型

- Link: https://paooo.com/aigc-news/27538/
- Published: 2026-07-19T04:48:29+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 基于SAM做对抗性微调，ASAM在不改架构的前提下提升图像分割表现。
 * 借助稳定扩散生成自然对抗样本，兼顾照片级真实感与掩模对齐。
 * 可用于医学影像、自动驾驶、机器人视觉与AR，提升复杂场景分割精度。

## ASAM是什么

ASAM（Adversarial Adjustment of Segment Anything Model）是vivo公司推出的AI图像分割
模型，通过对抗性调整来增强原有SAM模型的性能。ASAM用自然对抗性示例，通过稳定的扩散
模型增强数据集，生成能代表自然变化的对抗性实例。这些实例保持照片级真实感，与原始
掩模注释对齐，确保了分割任务的完整性。

阅读目录

 * [ASAM是什么](https://paooo.com/aigc-news/27538/#asam%e6%98%af%e4%bb%80%e4%b9%88)
 * [ASAM的主要功能](https://paooo.com/aigc-news/27538/#asam%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [ASAM的技术原理](https://paooo.com/aigc-news/27538/#asam%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [ASAM的项目地址](https://paooo.com/aigc-news/27538/#asam%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [ASAM的应用场景](https://paooo.com/aigc-news/27538/#asam%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![ASAM](https://paooo.com/wp-content/uploads/2026/07/ASAM-website01-1.avif)

## ASAM的主要功能

 1. **提升能力**：ASAM让原本的SAM模型在图像分割任务上做得更好。
 2. **不用改变**：不需要改变模型的基本结构，就像给汽车换个新轮胎，但车身不变。
 3. **增加挑战**：通过添加一些特殊的图像（对抗性样本），模型学会在更多不同的情况下工作。
 4. **更真实**：这些特殊的图像看起来和真的一样，模型学习得更贴近现实。
 5. **不用新数据**：不需要额外的图片或数据，就像用旧书复习，也能学到新知识。
 6. **全面提高**：在多种不同的图像分割任务上，ASAM能让模型表现得更出色。

## ASAM的技术原理

 1. **对抗性训练**：ASAM利用对抗性训练的概念，通过向模型输入精心设计的扰动来提高模型
    泛化能力的方法。
 2. **自然对抗性示例**：ASAM特别关注自然对抗性示例，示例在视觉上与正常样本相似，在模型
    的决策边界附近。
 3. **稳定扩散模型**：ASAM使用稳定扩散模型来增强SA-1B数据集的一个子集，生成对抗性实例。
    这种方法能在保持图像质量的同时，引入细微的扰动。
 4. **照片级真实感**：生成的对抗性样本需要保持与原始图像相同的视觉真实性，这样在训练
    过程中，模型就不会因为不真实的样本而学习到错误的特征。
 5. **掩模注释对齐**：对抗性样本需要与原始的掩模注释保持对齐，确保在分割任务中，模型
    能够正确地识别和分割目标对象。
 6. **微调过程**：ASAM通过用这些对抗性样本对原有的SAM模型进行微调，在不改变原始架构
    的前提下提高模型性能。

![ASAM](https://paooo.com/wp-content/uploads/2026/07/ASAM-website.avif)

## ASAM的项目地址

 * **GitHub****仓库**：[https://github.com/luckybird1994/ASAM](https://github.com/luckybird1994/ASAM)
 * **Hugging Face模型库**：[https://huggingface.co/spaces/xhk/ASAM](https://huggingface.co/spaces/xhk/ASAM)
 * **arXiv****技术论文**：[https://arxiv.org/pdf/2405.00256](https://arxiv.org/pdf/2405.00256)

## ASAM的应用场景

 * **医学图像分析**：在医学领域，ASAM可以用于提高医学图像分割的准确性，辅助医生进行
   疾病诊断和治疗规划。
 * **自动驾驶汽车**：在自动驾驶技术中，ASAM可用于提高道路和物体的分割精度，增强车辆
   对周围环境的理解能力。
 * **机器人视觉**：在机器人技术中，ASAM可以帮助机器人更好地理解其工作环境，进行精确
   的物体识别和操作。
 * **增强现实（AR）**：在AR应用中，ASAM可以提升虚拟对象与现实世界融合的自然度，提供
   更加沉浸式的体验。

🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航）

**Segment Anything ↗**

Meta最新推出的AI图像分割模型。

**HuggingFace ↗**

HuggingFace：AI模型开发社区，面向大语言模型场景提供便捷实用的在线功能支持，涵盖大
模型等实用方向。

❓ 常见问题解答（FAQ）

ASAM和SAM有什么区别？

ASAM是在原始SAM基础上加入对抗性调整的分割模型，核心不是重做架构，而是用自然对抗样本
对SAM进行微调，从而提升其在多种图像分割任务中的泛化能力和表现。

ASAM为什么不需要额外数据？

ASAM通过稳定扩散模型增强SA-1B数据集的子集，生成与原图对齐的自然对抗性实例，因此可以
在不额外收集新数据的情况下，利用已有数据提升模型效果。

ASAM适合哪些应用场景？

ASAM适合需要高精度分割的场景，包括医学图像分析、自动驾驶、机器人视觉和增强现实。
它的优势在于能在复杂环境下保持较好的分割稳定性与真实感。

🔬 语宙深潜追问 · 进阶实操拆解

ASAM 如何评估泛化提升是否真实？

不要只看单一数据集 mIoU，要做跨域测试、遮挡测试和噪声扰动测试。最好再加入不同设备、
不同光照和不同标注风格的数据，确认提升来自鲁棒性而非对训练集的过拟合。

在 SAM 上接入 ASAM 成本高吗？

通常改动不大，重点在训练阶段引入对抗样本和损失设计，推理侧可保持原架构。真正的成本
在数据构造、训练稳定性和验证流程，适合已有 SAM 基座、想补泛化短板的团队。

🗳️ 读者观点微投票 · 您的实战立场是？

ASAM 这种对抗增强分割，最值得先上哪类场景？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🐋 所属权威专题：DeepSeek 深度实战与部署 →](https://paooo.com/topics/deepseek/)

 * [SAM 2 – Meta推出的AI对象分割模型](https://paooo.com/aigc-news/27638/)
 * [SAM 2.1 – Meta 开源的视觉分割模型](https://paooo.com/aigc-news/25230/)
 * [EfficientTAM – Meta AI推出的视频对象分割和跟踪模型](https://paooo.com/aigc-news/25122/)
 * [SAM2Point – 基于SAM2的零样本3D分割技术，增强3D分割精确度](https://paooo.com/aigc-news/26981/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/27538/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
