已验证65% 置信事实时间未知
SAM3是SAM系列的第三代产品，核心突破在于将分割能力从静态图像延伸到动态视频并引入自然语言理解能力
3
来源数
65%
置信度
长期有效
时效性
2026/5/31
首次发现
来源
SAM3深度解析：Meta开源视觉分割模型如何用自然语言理解现实世界
bilibili碳基玩家Bryce
涉及实体
相关事实
待验证SAM 的架构由三部分组成：基于 Vision Transformer 的重型图像编码器、灵活的提示编码器、以及轻量级掩膜解码器77% 相似待验证SAM 3允许将视觉编码与文本条件解耦，通过get_vision_features复用视觉嵌入避免对每个类别重复编码图像，在多类别任务上带来接近N倍的加速72% 相似待验证2024年的SAM 2将分割能力扩展到视频领域，支持时序追踪和跨帧传播，但仍依赖初始提示点启动分割68% 相似待验证SAM2（Segment Anything Model 2）是Meta AI发布的开源视频分割模型，能够以极低的人工标注成本对视频中的任意物体进行逐帧追踪与遮罩生成68% 相似待验证Vlo 借助 SAM2 完成视频遮罩，用 sam-audio 做音轨分离66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/10212API
curl https://kongchang.com/api/v1/knowledge/claims/10212MCP
get_claim(id=10212)