Meta: SAM 3 und DINOv3 für Genesis Mission geöffnet, Segmentierungsanalyse von einem Monat auf 15 Minuten verkürzt
Meta hat die Bildsegmentierungsmodelle SAM 3 und DINOv3 als Open Source im Rahmen des SYNAPS-I-Projekts freigegeben, Teil der Genesis-Mission-Initiative des Weißen Hauses für KI in der Wissenschaft. Das US-Energieministerium erzeugt jährlich Dutzende Petabyte an Daten; eine Segmentierung, die früher einen Monat dauerte, dauert jetzt rund 15 Minuten mit 300 NVIDIA-A100-GPUs und 60 Forschern aus fünf nationalen Laboren.
Dieser Artikel wurde mithilfe von künstlicher Intelligenz aus Primärquellen erstellt.
Was öffnet Meta und für welches Projekt?
Meta hat SAM 3 (Segment Anything Model 3) und DINOv3, zwei Modelle zur Bildanalyse, als Open Source im Rahmen des Projekts SYNAPS-I veröffentlicht — Teil der Genesis-Mission-Initiative des Weißen Hauses, die Ende 2025 gestartet wurde, um den Einsatz künstlicher Intelligenz in der wissenschaftlichen Forschung zu beschleunigen. SAM 3 ist ein Modell zur Bildsegmentierung, der automatischen Extraktion und Abgrenzung von Objekten innerhalb visueller Daten, während DINOv3 ein Modell zur Erkennung visueller Merkmale ist, das kein überwachtes (von Menschen annotiertes) Training benötigt.
Von einem Monat fachkundiger Annotation auf 15 Minuten
Einrichtungen des US-Energieministeriums (DOE) erzeugen jährlich Dutzende Petabyte an visuellen Daten, bei Aufnahmeraten von 100.000 Bildern pro Sekunde an einzelnen Instrumenten. Eine Segmentierungsanalyse solcher Daten, die früher rund einen Monat fachkundiger manueller Annotation erforderte, wird dank der Modelle SAM 3 und DINOv3, die auf 300 NVIDIA-A100-Grafikkarten bei NERSC und anderen nationalen Supercomputern laufen, jetzt in etwa 15 Minuten durchgeführt. Der Unterschied zwischen einem Monat menschlicher Arbeit und 15 Minuten automatisierter Verarbeitung zeigt das Ausmaß der Beschleunigung, die offene Modelle wissenschaftlichen Teams bringen, die mit riesigen Datenmengen konfrontiert sind.
Fünf nationale Labore und ein konkreter Nachweis an Reben
An dem Projekt sind 60 Forscher aus fünf nationalen Laboren beteiligt — Lawrence Berkeley in führender Rolle, zusammen mit Argonne, Brookhaven und Oak Ridge. DOE-Staatssekretär Dario Gil gab eine Erklärung zur Unterstützung der Initiative ab. Als konkretes Anwendungsbeispiel demonstrierten Meta und das DOE den Einsatz der Modelle bei der Erforschung der Dürreresistenz von Reben, wo Mikro-CT-Scans von Rebstämmen jetzt automatisch statt manuell segmentiert werden.
Die Öffnung von SAM 3 und DINOv3 unter einer Open-Source-Lizenz bedeutet, dass nationale Labore und Forschungseinrichtungen außerhalb von Meta beide Modelle übernehmen und auf eigene Datensätze anwenden können, ohne zusätzliche Lizenzierung — das erweitert die Reichweite der Genesis-Mission-Initiative über das Pilotprojekt SYNAPS-I hinaus auf potenziell das gesamte Netzwerk der US-amerikanischen nationalen Labore.
Häufig gestellte Fragen
- Was sind SAM 3 und DINOv3?
- SAM 3 (Segment Anything Model 3) ist Metas Open-Source-Modell zur Bildsegmentierung — der automatischen Extraktion von Objekten aus visuellen Daten —, während DINOv3 ein Modell zur visuellen Merkmalserkennung ohne überwachtes Training ist; beide sind jetzt als Open Source für die wissenschaftliche Nutzung verfügbar.
- Was ist die Genesis Mission?
- Die Genesis Mission ist eine Initiative des Weißen Hauses, die Ende 2025 gestartet wurde, um den Einsatz künstlicher Intelligenz in der wissenschaftlichen Forschung innerhalb der US-amerikanischen nationalen Labore zu beschleunigen.
- Um wie viel schneller ist die Segmentierungsanalyse wissenschaftlicher Daten jetzt?
- Eine Segmentierungsanalyse, die früher rund einen Monat fachkundiger manueller Annotation erforderte, wird jetzt mithilfe von 300 NVIDIA-A100-GPUs bei NERSC und anderen nationalen Supercomputern in etwa 15 Minuten durchgeführt.
📬 KI-News in dein Postfach
Ein täglicher Digest nach deinen Regeln — Themen, Quellen und Rhythmus wählbar. Abmeldung mit einem Klick.
Verwandte Nachrichten
vLLM: Wie 266 CI-Jobs und nächtliches Benchmarking die Produktionsqualität der Open-Source-LLM-Serving-Engine bewahren
LangChain: OpenWiki 0.2 führt OKF ein — Google Clouds Standard für agentische Code-Dokumentation
Sakana AI und NVIDIA: Nemotron Open-Modelle im Multi-Agenten-System Fugu