SAM 3: Segment Anything with Concepts

已于 2025-12-10 21:32:56 修改
阅读量41 收藏
点赞数 1
CC 4.0 BY-SA版权
分类专栏： Memmat 文章标签： 语义分割 SAM 计算机视觉
于 2025-12-10 21:26:51 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/JishuFengyang/article/details/155790216
深度学习论文: SAM 3: Segment Anything with Concepts
mingo_敏
10-15 290
本文提出SAM 3模型，支持基于概念提示（名词短语或图像示例）的图像/视频目标检测、分割与跟踪。该模型采用双编码器-解码器架构，通过存在Token解耦识别与定位任务，并引入图像示例交互优化机制。在视频处理中，结合检测器与基于记忆的跟踪器，通过时空掩码传播和匹配更新实现长期目标跟踪。实验表明，SAM 3在分割任务中性能较现有系统提升2倍，同时开源了模型代码和新的SA-Co基准测试集。
【PyTorch项目实战】SAM（Segment Anything Model）
shinuone的博客
08-28 1792
摘要：SAM（Segment Anything Model）是Meta AI研发的图像分割基础模型，具有强大的零样本分割能力。最新版本SAM3（2025）在SAM1（2023）支持的2D图像分割基础上，新增了视频对象跟踪、3D重建和多模态输入功能。模型通过ViT架构实现，支持点/框/掩码等多种交互提示方式，适用于医疗影像、自动驾驶、AR/VR等场景。各版本通过GitHub开源，并提供在线Demo体验。
到底什么样的文章才能打出满分【审稿人说】ICLR26|SAM 3: Segment Anything with Concepts
Gorgeous_wxd
11-21 669
这一「Promptable Concept Segmentation (PCS)」任务超越了 SAM 1/2 的视觉提示（visual prompts），支持用简短名词短语（如“yellow school bus”）或图像示例作为输入，从而让模型“理解”概念而非仅响应几何提示。实验结果显示，SAM 3 在开放词汇分割上相较 SAM 2 提升显著，在 SA-Co benchmark 上性能提升约两倍，并保持交互分割与视频跟踪的实时性。：开放模型与代码，探索 end-to-end 优化。
SAM3: Segment Anything with Concepts——基于概念的万物分割
Together_CZ的博客
10-26 2466
SAM3: Segment Anything with Concepts——基于概念的万物分割
论文阅读 SAM 3: Segment Anything with Concepts
最新发布
2502_91183859的博客
12-14 605
数据引擎从带噪声的媒体-短语-掩码伪标签入手，通过人**工和AI验证器检查掩码的质量和完整性，筛选出标记正确的样本，并识别出具有挑战性的错误案例。我们将PCS任务形式化为：以文本和/或图像示例作为输入，预测与该概念匹配的每个对象的实例掩码和语义掩码，同时在视频帧中保持对象的身份一致性）。在获得初始的掩码集（或掩码片段）后，SAM 3允许使用正向和负向点击来优化单个掩码（片段）。具体来说，给定用户的点击，我们应用提示编码器对其进行编码，并将编码后的提示输入到掩码解码器中，以预测调整后的掩码。
SAM：Segment Anything
zzzyyy8的博客
10-24 1640
我们推出了“分割万物”（Segment Anything，简称SA）项目：这是一个全新的图像分割任务、模型及数据集。我们利用高效的模型构建了一个数据收集循环，从而创建了迄今为止（遥遥领先）规模最大的分割数据集，该数据集包含1100万张获得授权且尊重隐私的图像，这些图像上共有超过10亿个分割掩码。该模型经过专门设计和训练，具备可提示性，因此能够实现零样本迁移，适应新的图像分布和任务。我们在众多任务上评估了该模型的能力，发现其零样本表现十分出色——通常能与先前的全监督结果相媲美，甚至更胜一筹。
【视觉基础模型-SAM系列-4】SAM 3: Segment Anything with Concepts
cjy_colorful0806的博客
11-12 692
本文提出了SAM3模型，在SAM2基础上实现了基于语义概念的检测-分割-跟踪一体化架构。该模型能够通过文本或图像提示自动识别、分割并跟踪视频中同一语义概念的所有实例。主要创新包括：1)提出Promptable Concept Segmentation任务；2)设计多模态检测器和记忆库机制；3)构建SA-Co大规模数据集。实验验证了模型在开放词汇分割上的有效性，ICLR审稿评分为8866。该工作推进了SAM系列从几何提示向语义概念理解的扩展。
ICLR重磅论文！超越框与点：SAM 3用名词短语分割万物，性能超越前代两倍
2501_93716422的博客
10-17 1138
本文提出SAM3模型，首次系统化解决图像与视频中的开放词汇概念分割问题。该模型采用解耦的识别-定位架构，引入全局存在性头部提升检测精度，并构建了大规模SA-Co数据集。实验表明，SAM3在图像和视频分割任务上性能显著优于现有方法（如LVIS零样本掩码AP提升明显），同时支持交互式分割与复杂语言查询。研究创新性地结合人机协同数据标注，为通用视觉模型发展提供了新思路，但在细粒度泛化和实时视频推理方面仍需优化。
SAM 3 来了！引爆CV圈！
阿木寺的博客
10-13 317
同时，它在可提示概念分割方面（右图）也取得了进展，用户可以通过一个简短的名词短语、图像范例或两者的组合，来指定一个视觉概念并分割出其所有实例。与 SAM 2 相比，SAM 3 在可提示视觉分割（Promptable Visual Segmentation，PVS）上表现更优，并为可提示概念分割（Promptable Concept Segmentation，PCS）设定了新的标准。例如，在 LVIS 数据集上，它的零样本掩码平均精度达到了 47.0，而之前的最佳纪录是 38.5。
（SAM）Segment Anything论文精读（逐段解析）
weixin_46248968的博客
07-21 2085
【前沿论文精】Segment Anything项目，包括三个核心创新：1）可提示分割任务设计，支持点击、框选、掩码和文本等多种交互方式，将分割重新定义为条件生成任务；2）Segment Anything Model（SAM）采用三组件架构（图像编码器、提示编码器和掩码解码器），具备处理分割歧义的能力；3）通过数据引擎构建SA-1B数据集，包含1100万图像和10亿掩码，是现有最大分割数据集的400倍。实验表明，SAM在零样本迁移任务中表现优异，甚至超越全监督模型。该工作为计算机视觉基础模型研究提供了新范式。
SAM 3揭开面纱：不止分割万物，更能理解概念，交互式分割迎来新篇章！
我爱计算机视觉
10-13 957
简单来说，你不再只能通过点和框来告诉模型“把这个东西抠出来”，而是可以直接用自然语言（比如“那只棕色的小狗”）、给几个示例图片，甚至两者结合，让模型理解你想要分割的“概念”，并找出图片里所有符合这个概念的实例。其次，在新的 PCS 任务上，通过交互式地提供图像示例（exemplar prompts），SAM 3 的性能（CGF1 分数）随着示例数量的增加而稳步提升，证明了其学习和理解概念的能力。比如，当用户说“分割出所有的猫”，或者给出几张猫的图片作为例子时，模型能否在新的图片里准确地找出所有的猫？
SAM医学图像代码
05-06
The Segment Anything Model (SAM) is a groundbreaking approach developed by Meta AI that enables high-quality object masking with minimal input[^2]. While the original implementation of SAM focuses on ...
【深度学习实战/计算机视觉实战】PyTorch框架下基于ResNet的102种花卉图像分类模型
w123456789ABCDEF的博客
12-09 853
本文介绍了基于PyTorch的迁移学习方法在花卉分类任务中的应用。主要内容包括：1) 使用预训练的ResNet152模型进行特征提取，冻结底层参数仅训练自定义的全连接层；2) 通过数据增强和标准化处理训练数据；3) 采用两阶段训练策略，先训练顶层再微调整个网络；4) 实现了79%的分类准确率。实验结果表明，迁移学习能有效利用预训练模型的通用特征，在小数据集上取得良好性能。文中详细展示了数据预处理、模型构建、训练过程和测试评估的完整流程，为类似分类任务提供了可复用的解决方案。
＜数据集＞yolo茶叶嫩芽识别数据集＜目标检测＞
qq_53332949的博客
12-10 149
YOLO与VOC格式的茶叶嫩芽识别数据集，适用于YOLO系列、Faster Rcnn、SSD等模型训练，类别：tea bud，图片数量6242。
计算机视觉-OpenCV-学习系列
木梓油
12-10 251
本文整理了博主关于OpenCV图像处理的系列学习笔记，包括6篇教程文章。内容涵盖计算机图像基础概念、OpenCV简介，以及图像处理的基本操作：读取/显示/保存图像、调整大小、裁剪和旋转原理等。文章根据学习进度持续更新，适合OpenCV初学者循序渐进地掌握图像处理基础知识和实践技巧。
农业机械检测与识别46基于YOLOv8-SPPF-LSKA的Supperseeder和拖拉机目标检测系统_1
AAD55588899的博客
12-09 767
本文提出了一种改进的YOLOv8农业机械检测系统，通过引入SPPF模块和LSKA注意力机制，显著提升了复杂环境下的检测性能。实验结果表明，改进后的YOLOv8-SPPF-LSKA算法在自建农业机械数据集上的mAP@0.5达到0.934，相比基线模型提升5.05%。该系统已成功应用于实际农业场景，实现了对播种机和拖拉机的高效识别。研究创新性地结合了多尺度特征提取与轻量级注意力机制，为农业智能化发展提供了技术支持。
【目标检测软件 01】YOLO识别软件功能与操作指南
Jayson 博客
12-13 419
摘要：本文介绍了一款基于YOLO模型的智能目标检测软件，具有直观的图形界面和多功能支持。软件支持本地文件（图片/视频）、摄像头、RTSP/HTTP流等多种媒体源输入，可实时显示检测结果并支持参数调整。主界面分为媒体资源列表、视频显示区和检测结果表格三部分，提供播放控制、模型选择、置信度调节等功能。支持检测结果保存为图像或文本文件，并可自定义软件名称和Logo。软件采用无边框设计，提供窗口控制按钮。使用前需加载有效YOLO模型（支持训练模型），支持主流YOLO版本。
【图像算法 - 40】海洋监测应用：基于 YOLO 与 OpenCV 的高精度海面目标检测系统实现
qq_42910179的博客
12-13 561
本文详细介绍了基于YOLOv11和 OpenCV 实现海面目标检测的完整流程。通过端到端的目标检测框架，我们能够同时识别5 类关键海面目标，为海上安全、应急救援、港口管理和滨海旅游提供强大的视觉智能支持。该系统可集成至无人机、巡逻艇、岸基监控平台，构建全天候、全覆盖的“智慧海防”感知网络，在海洋强国战略中发挥重要作用。🚨应用场景延伸搜救任务中自动定位落水者（swimmer）与救生设备港口禁航区监控非法船只（boatjetski）闯入海上游乐区统计摩托艇数量，保障游客安全。
目标检测YOLO实战应用案例100讲-基于超分辨率重建的航拍图像目标检测（续）
qq_36130719的博客
12-08 145
我们在4倍放大因子上进行上采样，将我们的方法与WDSRESRGAN相比较。在图像处理领域，常用PSNR（即峰值信噪比）来衡量处理方法的准确性和处理后图像的品质。PSNR是基于原始图像与处理后的图像之间的均方误差（MSE）来计算的。但近来的许多实验表明，PSNR值并不能很好的反映图像的视觉效果，有时PSNR值较低的图像反而比PSNR值较高的图像感知质量更好。因此，我们不将PSNR值作为衡量标准，而是通过生成图像视觉效果展示本文超分辨率重建算法的优势。
评论 3
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

猛码Memmat

欢迎支持，随缘打赏 ~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值