2025年11月20日 · SAM 3
SAM 3: Segment Anything with Concepts：概念提示分割统一模型，精度翻倍
2025年11月提交。SAM 3是一个统一模型，基于概念提示（短名词短语、图像示例或两者组合）在图像和视频中检测、分割和跟踪对象。它构建了包含400万独特概念标签的高质量数据集，包括难负样本。模型由共享骨干的图像级检测器和基于记忆的视频跟踪器组成，通过存在头解耦识别和定位。在图像和视频概念分割任务上精度翻倍，并改进了SAM在视觉分割上的能力。
EVENT STORY
发展脉络
- 首次出现SAM 3: Segment Anything with Concepts：概念提示分割统一模型，精度翻倍arXiv cs.AI
- 当前判断SAM 3将分割从像素级提升到语义级，对自动驾驶（识别特定车辆）、机器人（抓取指定物体）、视频编辑（追踪特定角色）等场景具有直接应用价值。其概念提示能力可降低标注成本，推动视觉AI在更多垂直行业的落地。Agent Pulse · 分析
SAM 3将分割从类别无关提升到概念驱动，通过大规模概念数据集和存在头设计，实现了对任意名词短语或示例图像的精准分割与跟踪。这填补了SAM在语义理解上的空白，使分割模型更接近人类视觉认知，对自动驾驶、机器人、视频编辑等场景具有重大价值。
SAM 3采用图像级检测器和基于记忆的视频跟踪器共享单一骨干的架构。识别和定位通过存在头解耦，提升了检测精度。数据引擎构建了包含400万独特概念标签的数据集，包括难负样本，覆盖图像和视频。模型支持短名词短语、图像示例或两者组合作为提示，输出分割掩码和唯一身份。在图像和视频概念分割上精度是现有系统的两倍。
SAM 3将分割从像素级提升到语义级，对自动驾驶（识别特定车辆）、机器人（抓取指定物体）、视频编辑（追踪特定角色）等场景具有直接应用价值。其概念提示能力可降低标注成本，推动视觉AI在更多垂直行业的落地。
视觉AI公司可评估将SAM 3集成到图像/视频编辑、自动驾驶感知和机器人视觉系统中。建议先利用其概念提示能力构建定制化分割应用，如电商商品识别、安防目标跟踪。开源发布降低了采用门槛。
需关注SAM 3在开放世界概念上的泛化能力，以及视频跟踪的长期稳定性。其400万概念标签的覆盖范围和偏差需评估。此外，模型在移动端和边缘设备的部署效率将影响实际应用。