SAM
Meta AI于2023年发布的基础图像分割模型，能够通过点击、框选等多种提示方式对任意对象进行零样本分割，代表视觉基础模型的最新范式转变。
核心事实
时间轴 (近 90 天)
RADIO 是 NVIDIA 提出的视觉基础模型，通过蒸馏 CLIP、DINOv2、SAM 等多个视觉-语言预训练模型的知识，生成兼顾语义对齐与细粒度特征的视觉表征
SAM具备零样本泛化能力，可通过点击、框选或文字提示对图像中任意对象生成分割掩码，无需针对特定类别微调
在AI生成工作流中SAM系列常被用作预处理器，先从参考图像提取目标区域精确边界，再传递给后续生成或编辑步骤
SAM在超过10亿个掩码的数据集上训练而成
SAM是Meta AI于2023年4月发布的通用图像分割模型，基于11亿参数的视觉Transformer架构
SAM 本身只解决哪些像素属于目标的问题，不提供任何三维几何信息，必须与后续标定和位姿估计模块配合使用
SAM 系列是 Meta 推出的通用图像分割模型，核心理念是分割一切，无需针对特定类别训练即可分割图像中的任意对象
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
全部知识事实 (17)
SAM（Segment Anything Model）是2023年发布的基础模型，能对图像中任意物体进行零样本分割，2024年的SAM 2支持视频分割
65%已验证SAM（Segment Anything Model）是Meta开源的模型，通过在1100万张图像、10亿个掩码上的大规模预训练，实现对任意对象的零样本分割能力
65%已验证Meta研究院开发了SAM（Segment Anything Model）和ImageBind等模型
65%已验证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
65%待验证Segment Anything（SAM）是Meta推出的通用图像分割基础模型，能够零样本分割任意物体
90%待验证FastSAM是Meta SAM模型的轻量化版本，能够在毫秒级时间内完成图像中任意目标的分割掩码生成
85%待验证工作流中的抠图节点依赖语义分割模型（如SAM、U²-Net等），能够自动识别图像中的主体对象并去除背景，输出带透明通道的PNG图像
80%待验证SAM 系列是 Meta 推出的通用图像分割模型，核心理念是分割一切，无需针对特定类别训练即可分割图像中的任意对象
60%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
60%待验证SAM（Segment Anything Model）是由Meta开发的语义分割模型
60%待验证2023年Meta发布的SAM初代版本在超过10亿个掩码的SA-1B数据集上训练
60%待验证RADIO 是 NVIDIA 提出的视觉基础模型，通过蒸馏 CLIP、DINOv2、SAM 等多个视觉-语言预训练模型的知识，生成兼顾语义对齐与细粒度特征的视觉表征
50%待验证SAM具备零样本泛化能力，可通过点击、框选或文字提示对图像中任意对象生成分割掩码，无需针对特定类别微调
50%待验证在AI生成工作流中SAM系列常被用作预处理器，先从参考图像提取目标区域精确边界，再传递给后续生成或编辑步骤
50%待验证SAM在超过10亿个掩码的数据集上训练而成
50%待验证SAM 本身只解决哪些像素属于目标的问题，不提供任何三维几何信息，必须与后续标定和位姿估计模块配合使用
50%待验证SAM是Meta AI于2023年4月发布的通用图像分割模型，基于11亿参数的视觉Transformer架构
50%