用SAM模型让生物图像标注一键完成，省时省力。
SAMJ: Fast Image Annotation on ImageJ/Fiji via Segment Anything Model
- 基于SAM模型开发ImageJ插件，一键实现交互式标注
- 支持在普通电脑上实时处理大尺寸科学图像
- 适合需要快速标注的生物医学图像研究人员
掩码标注在基于AI的生物医学图像分析中仍是主要瓶颈，因其高度依赖人工。为此，我们提出SAMJ，一个基于Segment Anything Model（SAM）的用户友好型ImageJ/Fiji插件。SAMJ可在标准计算机上通过一键安装使用，支持对大尺寸科学图像进行实时对象勾画，实现无缝、交互式的标注。该工具简化并加速了标注数据集的创建过程，为生物医学图像分析提供了高效便捷的解决方案。
原文摘要 · Abstract (English)
Mask annotation remains a significant bottleneck in AI-driven biomedical image analysis due to its labor-intensive nature. To address this challenge, we introduce SAMJ, a user-friendly ImageJ/Fiji plugin leveraging the Segment Anything Model (SAM). SAMJ enables seamless, interactive annotations with one-click installation on standard computers. Designed for real-time object delineation in large scientific images, SAMJ is an easy-to-use solution that simplifies and accelerates the creation of labeled image datasets.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。