Sam3
PulseAugur coverage of Sam3 — every cluster mentioning Sam3 across labs, papers, and developer communities, ranked by signal.
- 2026-06-25 research_milestone Researchers introduced the Mask to Concept (M2C) framework to adapt SAM3 for few-shot medical image annotation. 来源
9 天有情绪数据
-
新AI方法通过视频分析和步态动力学识别野生动物
研究人员开发了一种新颖的、自动化的基于视频的系统，通过分析步态动力学来识别个体野生动物。该方法利用Segment Anything Model 3 (SAM3)创建精确的动物轮廓蒙版，然后由ResNet18网络处理空间特征，并由VideoPrism transformer处理时间运动分析。该系统生成独特的步态表示，并使用余弦相似度进行比较，从而无需物理标记或侵入性标记即可对个体进行聚类。对各种物种进行的实验表明，根据运动模式区分个体方…
-
SAM3引导框架在数据有限的情况下增强无人机目标分割
研究人员开发了一种新颖的框架，用于改进无人机（UAV）目标分割，特别是在标注数据有限的情况下。该方法利用Segment Anything Model 3（SAM3）生成伪标签，然后使用这些伪标签来训练一个名为IPS-Seg的轻量级分割网络。该框架采用两阶段过程：首先生成粗略的掩码，然后在局部图像块上进行细化，以获得更精确的对象边界。实验表明，该方法有效地平衡了分割精度和计算效率，突显了大型基础模型在低标签环境中训练专用视觉网络的效用。
-
新的SAM3适配器实现参数高效的医学图像分割
研究人员开发了Dual-Adaptive SAM3 (DA-SAM3)，一个旨在高效适配Segment Anything Model with Concepts (SAM3) 进行医学图像分割的新框架。该方法利用动态专家路由器，根据视觉输入和文本提示稀疏激活相关专家，模仿临床咨询。此外，分解参数化专家设计通过用轻量级可训练增量表示冻结基座，显著降低了计算开销。实验表明，DA-SAM3达到了高精度，媲美或超越了完全微调的模型和当前最先进的方法。
-
用户使用 Scail-2 模型创建了《热带惊魂》动画
一位用户使用 Scail-2 模型创建了一个动画视频，其中包含电影《热带惊魂》中的一个搞笑场景。动画制作涉及使用 Klein 9B 进行角色替换，使用 SAM3 和 Krea 2 对特定角色进行图像修复，然后使用 Scail-2 的动画模式以 16fps 的帧率对序列进行动画处理。用户还使用了 Davinci Resolve 进行视频插值，以增强最终输出效果。
-
AdaCount框架提升零样本目标计数准确性
研究人员开发了AdaCount，一个新颖的、无需训练的框架，旨在提高密集场景下的零样本目标计数（ZOC）能力。AdaCount利用一个由原型驱动的相似性图来指导空间扭曲和特征调制，有效地重新分配图像分辨率并增强与目标相关的表示，而无需重新训练模型。这种方法增强了像SAM3这样的基础模型识别和分离大量小对象的能力，克服了现有方法的局限性。在六个基准测试上的实验表明，AdaCount在无需训练的ZOC技术中取得了最先进的性能。
-
Databricks 利用 VLMs 和 GPU 实现可搜索的视频情报
Databricks 开发了一种新的视频分析方法，将其视为数据工程问题，使视频内容可搜索且可操作。他们的系统利用视觉语言模型 (VLM) 和无服务器 GPU，根据自然语言查询自动检测、截断和总结视频中的关键时刻。这种可扩展的、与模型无关的架构使组织能够近乎实时地分析海量视频数据，应用于公共安全、基础设施管理和城市运营等领域。
-
New CG-ICS method enhances in-context segmentation robustness
研究人员提出了一种名为概念引导的上下文内分割（CG-ICS）的新方法，以提高上下文内分割模型的鲁棒性。该方法利用多模态大语言模型（MLLM）从参考图像中提取高级语义概念，而不是仅仅依赖低级视觉匹配。CG-ICS系统使用这些概念以及视觉示例来激活一个冻结的SAM3骨干网络进行分割。实验表明，CG-ICS不仅达到了最先进的准确性，而且通过减少不同参考选择下的分割结果方差，显著增强了鲁棒性。
-
SAM2Matting框架改进VOS跟踪器，实现高保真视频抠像
研究人员开发了SAM2Matting，一个新颖的框架，它增强了视频对象分割（VOS）跟踪器，以实现高保真视频抠像。该方法通过集成一个基础跟踪器和专门的抠像组件来解耦任务，从而实现强大的时间一致性和细粒度细节分辨率。值得注意的是，尽管SAM2Matting仅在图像数据上进行训练，但在视频抠像基准测试中仍取得了最先进的性能，展示了其在各种场景下的强大泛化能力。
-
新的M2C框架使SAM3能够进行高效的医学图像标注
研究人员开发了一个名为Mask to Concept (M2C)的新框架，该框架增强了SAM3分割模型以用于医学图像标注。该方法允许SAM3在不需要外部模块或重新训练的情况下，从少量标注的医学图像中自动识别和分割视觉概念。M2C使用一个可学习的概念嵌入和一个混合不确定性估计(HUE)模块来优化分割并标记不确定的样本以供人工校正，从而创建一个自我改进的标注循环。
-
SAM2Matting框架通过解耦跟踪和细节分辨率来推进视频抠像
研究人员开发了SAM2Matting，一个用于视频抠像的新型框架，它将跟踪和抠像任务分开。这种方法通过区域提议桥接器和专门的抠像头来增强基础跟踪器，从而实现强大的时间一致性和细粒度细节分辨率。值得注意的是，尽管SAM2Matting仅在图像数据上进行训练，但它在视频抠像方面取得了最先进的性能，展示了在各种场景中的强大泛化能力。
-
新框架 DR-MV3D 通过密集奖励增强三维视觉问答能力
研究人员推出 DR-MV3D，一个旨在增强多视图三维视觉问答 (MV3D-VQA) 的新框架。该方法利用密集、可验证的奖励来监督推理过程，超越了当前多模态 LLM 中常见的稀疏、答案级别的监督。DR-MV3D 将任务分解为全局地图构建、视图轨迹规划和通过以自我为中心的定位进行答案预测，采用全局一致性和局部轨迹选择的奖励来提高在 MindCube 和 VSI-Bench 等数据集上的性能。
-
AI模型在ICRA 2026 GOOSE 2D分割挑战赛中取得顶尖排名 · 追踪4个来源
研究人员为ICRA 2026 GOOSE 2D细粒度语义分割挑战赛开发了先进的方法，并取得了顶尖排名。一个团队利用Segment Anything Model 3 (SAM3) 结合自蒸馏技术和多尺度测试时增强，以69.73%的mIoU获得第四名。另一组利用DINOv3结合Mask2Former解码器和集成方法，以76.57%的综合得分获得第一名。第三个参赛项目GOOSE-M2F，通过调整Mask2Former并结合特定模块和训练策略…
-
首个在轨地球观测航天器上自主运行的零样本视觉语言模型
研究人员首次演示了在轨使用零样本视觉语言模型进行自主地球观测。部署在航天器上的 NAVI-Orbital 系统能够对场景进行分类、生成文本描述，并响应自然语言提示，而无需针对特定仪器进行微调或下载所有数据。这种方法实现了太空观测的语义压缩，解决了数据生成与处理能力之间日益增长的差距。
-
新的AI方法通过关联文本与图像证据来增强视觉定位
研究人员开发了新的视觉定位方法，使AI模型能够更好地将自然语言描述与图像中的特定区域联系起来。一种名为“视觉推理”的方法训练模型将文本推理与明确的视觉证据交织在一起，提高了在计数和空间推理任务上的性能，甚至可以媲美更大的模型。另一种方法LazyMCoT采用自适应路由和协作定位，无需特定任务的训练即可高效地处理困难的图像查询，在准确性上可与监督方法相媲美，同时缩短了推理时间。第三个框架RSVG-ZeroOV使用冻结的基础模型进行遥感中的…
-
MooMIns 使用高斯泼溅法从单张图像进行 3D 对象重建
研究人员开发了 MooMIns，一种基于高斯泼溅法的新型方法，可从单张单目图像中重建 3D 对象并估计其姿态。该方法利用了当物体有多个实例排列在箱子中时存在的隐式多视图几何。MooMIns 使用 SAM3 实例分割掩码和修改后的运动恢复结构 (Structure from Motion) 流程进行初始化，实现了真正的基于几何的重建，而无需依赖可能导致幻觉的训练数据先验。
-
PicoSAM3 模型可在图像传感器上实现实时分割
研究人员开发了 PicoSAM3，这是一种新的轻量级分割模型，专为在边缘设备上甚至直接在图像传感器上进行实时运行而设计。该模型拥有 130 万个参数，采用了密集 CNN 架构，并结合了感兴趣区域提示编码和来自大型模型的知识蒸馏等技术。PicoSAM3 在 COCO 和 LVIS 等基准测试中取得了出色的性能，其量化版本可以在 Sony IMX500 传感器上实现低于 12 毫秒的推理速度，满足其运行限制。
-
新AI模型利用CAD分割工业对象
研究人员开发了一种名为CAD-Prompted SAM3的新实例分割方法，该方法利用计算机辅助设计（CAD）模型来指导分割过程。这种方法克服了基于文本或外观提示的局限性，因为这些提示对于具有不同材料或饰面的工业对象通常不可靠。通过使用CAD模型的多视图渲染，该系统可以根据对象的几何形状准确地识别对象，而与表面外观无关，并且已在合成数据上进行了训练以获得稳健的性能。
-
新方法推动开放词汇语义分割
研究人员开发了新的开放词汇语义分割方法，该任务涉及使用灵活的类别词汇为图像分配语义标签，而无需像素级训练数据。一种方法 LASA 聚合了 Vision Transformers 不同层的注意力图，以捕捉全局结构和局部细节，从而提高分割精度和空间连贯性。另一种方法将可微分模糊逻辑与 SAM 等基础模型集成，以改进伪标签并训练分割模型，取得了甚至超越密集监督基线的最新成果。第三种技术 Open-V 使用一种无需训练的框架，协调 SAM 和…
-
AI流水线自动标注图像中的未知物体
研究人员开发了一个自动化流水线，用于标注图像中现有开放词汇模型无法识别的物体。该系统旨在减少为训练物体检测模型创建边界框的繁琐手动工作。通过采用SAM3和Grounding DINO等策略，该流水线生成候选标注，用户可以快速接受或拒绝，从而显著加快数据标注过程。
-
Visionary Future 开发以物体为中心的潜在世界模型
一家总部位于深圳的 AI 团队 Visionary Future 正在开发一个