zmkzmkok的博客

最近，Segment Anything Model (SAM) 由于其令人印象深刻的图像分割性能而迅速受到广泛关注。关于其强大的图像分割能力和与不同提示的高交互性，我们发现它在视频中的一致性分割方面表现不佳。因此，在本报告中，我们提出了 Track Anything Model (TAM)，它可以在视频中实现高性能的交互式跟踪和分割。具体来说，给定一个视频序列，只需要很少的人为参与，即点击几下，人们就可以跟踪任何他们感兴趣的东西，并在一次推理中得到满意的结果。