SAM 3.1
PulseAugur coverage of SAM 3.1 — every cluster mentioning SAM 3.1 across labs, papers, and developer communities, ranked by signal.
- 2026-07-31 product_launch A new quantized version of the Segment Anything Model (SAM) 3.1 has been released in INT8 and INT4 formats. 来源
3 天有情绪数据
-
AI系统SSUPER凭借先进的视频目标分割技术赢得LSVOS挑战赛
研究人员开发了一个名为SSUPER的新颖系统，用于2026年LSVOS挑战赛的MeViS-Text赛道，并取得了第一名的成绩。该系统在指代视频目标分割方面表现出色，能够根据文本描述准确识别目标，即使这些描述表明目标不存在。SSUPER利用多个大型语言模型进行推理，并结合多智能体审计来区分真实不存在和暂时不可见，显著提高了对“无目标”表达的处理能力。此外，一个StyleRefiner模块将掩码几何与MeViSv2的标注风格对齐，而不会改…
-
新流程增强了文物遗址热成像异常检测能力
研究人员开发了一种新流程，以提高文化遗产数字孪生中热成像异常检测的准确性。该方法校正逐像素发射率，这对于在异质表面上准确检索温度至关重要。该流程利用SAM 3.1进行分割，并使用基于材料的发射率表，在合成基准和真实数据集上显著降低了平均绝对误差。然而，值得注意的是，在典型的风化遗产表面上，校正的影响很小，其有效性集中在真正的低发射率异常情况。
-
SAM 3.1 量化至 INT8 和 INT4 可显著节省 VRAM
新发布的 Segment Anything Model (SAM) 3.1 的量化版本提供了 INT8 和 INT4 格式。这些量化版本显著减小了模型尺寸，其中 INT4 版本比其 fp16 对等版本小近 40%，从而节省了大量 VRAM。虽然推理速度提升不大，但掩码质量与原始模型几乎相同。
-
新的SARA方法提升视频扩散模型对齐度
研究人员开发了SARA，一种通过将监督集中在视频的语义相关部分来改进视频扩散模型的新方法。该方法利用文本条件显著性来确定视频生成过程中哪些令牌对对于与提示对齐最重要。在评估中，SARA与现有方法相比，在文本对齐和运动质量方面均有所提高。
-
Meta AI 发布 SAM 3，用于高级图像和视频对象跟踪
Meta AI 推出了 Segment Anything Model 3 (SAM 3)，这是一个用于图像和视频中对象检测、分割和跟踪的高级模型。新版本支持文本、示例和视觉提示，并包含模型检查点、评估数据集和微调代码。此外，Meta 还推出了 Segment Anything Playground 以方便实验，并将 SAM 3 集成到 Instagram 和 Meta AI 应用等产品中。