PulseAugur
中
实时 10:58:00
实体 Sam3

Sam3

PulseAugur coverage of Sam3 — every cluster mentioning Sam3 across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
8
90 天内 82
发布 · 30天
0
90 天内 0
论文 · 30天
6
90 天内 68
层级分布 · 90 天
主题
关系
时间线
  1. 2026-06-25 research_milestone Researchers introduced the Mask to Concept (M2C) framework to adapt SAM3 for few-shot medical image annotation. 来源
情绪 · 30 天

4 天有情绪数据

最近 · 第 1/5 页 · 共 86 条
  1. TOOL · CL_366462 ·

    新方法利用几何先验增强三维语义建图

    研究人员开发了一种新方法,通过将几何先验与视觉基础模型相结合,来改进越野环境下的零样本三维语义建图。该方法为每个语义类别拟合一个球度-高程分布,并利用视觉模型的置信预测来创建高质量的几何先验。当与视觉模型预测融合时,这种几何先验提高了语义建图的准确性,在 RELLIS-3D 和 WildScenes 等数据集上显示出显著的改进。

  2. TOOL · CL_348702 ·

    新方法使用 VLM 和 DINO 分割 3D 网格几何纹理

    研究人员开发了一种新的 3D 网格模型几何纹理分割方法,解决了当前主要关注高级语义部分的分割技术的不足。该方法利用视觉语言模型 (VLM),微调 SAM3 并利用 DINO 特征相似性进行聚类。该方法还包括一个用于基于几何和纹理相似性进行 3D 模型编辑和检索的交互式工具,在几何纹理分割方面表现出优越的性能。

  3. SIGNIFICANT · CL_340406 ·

    腾讯发布统一视觉语言模型 WeVisOne-VL

    腾讯的微信视觉团队推出了 WeVisOne-VL,这是一个开源的视觉语言模型,提供 2B 和 4B 参数规模。该统一模型能够执行多种任务,包括对象检测、OCR、分割和抠图,无需单独的专用模型。WeVisOne-VL 使用了一个 9.6M 参数的像素解码器,并基于 Qwen3-VL 架构构建,自我报告的基准测试表明其在 30 多个任务上的性能优于同等规模的模型。

  4. TOOL · CL_329602 ·

    开源工具 LTX-2.5 alpha-gen 增强 ComfyUI 功能,支持生成 4K 头发抠像

    一款名为 LTX-2.5 alpha-gen 的新开源工具已集成到 ComfyUI 中,允许用户在图像中分离并生成单人高分辨率头发抠像。这通过结合 SAM3 进行主体选择,并使用 inpainting 技术移除其他人物,然后进行 LTX alpha-gen 处理来实现。该工具设计用于在拥有 12GB VRAM 和 16GB RAM 的消费级硬件上运行,与现有方法相比,在边缘细节方面有所改进。

  5. RESEARCH · CL_312971 ·

    新的DCR-SAM框架增强了SAM3的多类别分割能力

    研究人员开发了一个名为密集竞争表示SAM(DCR-SAM)的新框架,以提高Meta的Segment Anything Model 3(SAM3)在多类别语义分割任务中的性能。原始的SAM3在同时分割多个重叠概念时存在困难,并且随着概念数量的增加,推理延迟会很高。DCR-SAM通过解耦跨模态交互来降低延迟,并实现了一个密集竞争头来管理语义重叠和强制类间竞争,从而解决了这些问题。据报道,该新框架比现有方法提高了2.3%至10.7%的性能,…

  6. TOOL · CL_296374 ·

    StableDiffusion用户详解使用SAM3和MiniMax H3的角色交换技术

    一位Reddit用户分享了一种使用StableDiffusion在视频中进行角色交换的方法,该方法结合了SAM3用于蒙版生成和MiniMax H3用于交换过程。该技术涉及使用SAM3创建反色蒙版,然后将其与ref2video模型和参考图像结合使用以实现角色交换。这种方法旨在比生成黑色蒙版的方法更好地保留面部细节。

  7. MEME · CL_289101 ·

    用户寻求具有精细边缘控制的高级图像分割工具

    一位Reddit用户正在寻找高级图像分割解决方案,特别要求更精细的边缘控制和透明度生成。他们尝试了SAM3和VITMATTE,发现SAM3的输出分辨率不足以进行照片编辑,而VITMATTE处理复杂场景存在问题。用户正在寻找一种能够平衡智能蒙版生成与高质量、细节输出(包括透明度)的工具。

  8. TOOL · CL_287260 ·

    新管道简化了深海图像数据用于目标检测

    一个名为 mbariml 的新 Python 管道已被开发出来,用于简化从深海图像和视频创建目标检测训练数据的过程。该系统利用 Ultralytics YOLO 模型识别对象,并将检测结果存储为可供人类审查和编辑的感兴趣区域。该管道支持对相似检测进行批量接受或拒绝,并可以导入现有的 YOLO 和 PASCAL-VOC 数据集进行审查和扩展。特别关注视频数据,从中选择代表性帧进行跟踪,以避免重复标记。

  9. TOOL · CL_280530 ·

    ViTok 模型增强计算机视觉蒸馏中的密集语义

    研究人员开发了 ViTok,一种新的模型,可改进计算机视觉任务中多教师蒸馏的密集语义。通过结合 SigLIP2 和 DINOv3-L 的见解,ViTok 解决了全局识别和密集语义准确性之间的权衡问题。该模型包含多项修改,包括拆分适配器头、不对称损失和掩码图像建模,在 ImageNet-1K 和 ADE20K 基准测试中取得了强劲的性能。

  10. TOOL · CL_275426 ·

    新的ASH系统通过零样本跟踪实现自动视频标注

    研究人员开发了一个名为ASH(Annotation and Segmentation Handler)的新系统,旨在实现视频标注的自动化。ASH通过使用重叠的时间块和基于IoU的身份匹配,将现有的视频实例分割跟踪器扩展到处理任意长度的视频,无需进行特定数据集的训练。当与SAM3结合时,由此产生的SAM3-ASH管道在零样本条件下在MOTS20基准测试上取得了最先进的性能,并在其他基准测试上保持竞争力,同时GPU内存使用量保持在25 GB以下。

  11. TOOL · CL_273512 ·

    新的攻击方法针对先进的AI分割模型

    研究人员开发了AdvPCS,一种新颖的对抗性攻击方法,旨在破坏可提示概念分割模型,包括最新的SAM3。这种攻击技术侧重于通用的跨提示可迁移性,意味着单一的对抗性扰动可以影响多个提示甚至不同的视频。AdvPCS采用最小-最大提示优化和全局-局部感知欺骗等策略,显著降低模型性能,在某些数据集上将平均mIoU降低到5%以下。

  12. TOOL · CL_277843 ·

    HyperSAM:高光谱遥感的新基础模型

    研究人员开发了HyperSAM,一个用于高光谱遥感的新型基础模型。该模型通过从多光谱图像合成高分辨率高光谱立方体并使用伪掩码进行监督,解决了现有数据集的局限性。HyperSAM利用了冻结的Segment Anything Model 3 (SAM3)架构,并针对高光谱数据进行了调整,包括一个可训练的编码器和一个专家混合掩码精炼器。实验证明了其在各种遥感任务中的有效性,表明高质量的合成数据可以优于嘈杂的真实世界监督。

  13. TOOL · CL_254951 ·

    ViCo-SAM3 框架增强了伪装目标分割能力

    研究人员推出 ViCo-SAM3,一个旨在改进开放词汇伪装目标分割 (OVCOS) 的新框架。该新方法解决了现有模型(如 SAM3)中文本描述与视觉线索之间的语义鸿沟。ViCo-SAM3 利用视觉条件模块,根据图像上下文动态调整文本嵌入,增强跨模态对齐。该框架还包含一个 ViCoBind 模块,以进一步加强视觉和文本表示之间的交互,在 OVCamo 基准测试上取得了最先进的成果。

  14. RESEARCH · CL_257172 ·

    新基准和调查推动遥感图像分割发展

    研究人员推出了VPRef,这是一个用于指代遥感图像分割的新基准测试,旨在解决由视觉和文本领域漂移引起的性能下降问题。该基准测试包含超过46,000个语言-图像-标注三元组,并配备了一个基于Segment Anything Model (SAM3) 和低秩适配 (LoRA) 的参数高效适配框架。该框架采用伪标签驱动的自训练和随机多粒度文本提示混合技术,在仅修改模型一小部分参数的情况下提高了分割精度。另一项调查回顾了遥感图像语义分割中的深…

  15. TOOL · CL_252202 ·

    新研究探讨3D分割模型组合中的语义保留

    研究人员调查了在组合冻结的基础模型进行少样本3D分割时,语义信息是如何保留的。他们的研究题为“Beyond Argmax: A Mechanistic Study of Semantic Retention in Frozen Foundation-Model Composition for Generalized Few-Shot 3D Segmentation”,发现与折叠到单个类别相比,在交互前保留语义替代物的完整分布,性能显著…

  16. TOOL · CL_242979 ·

    新型多智能体系统可自动分析类器官形态

    研究人员开发了MorphoOrgaAgent,一个旨在自动化类器官形态分析的新型多智能体系统。该系统通过接受自然语言输入,解决了手动分割和定量分析耗时的问题。它包含一个用于解释请求的TaskUnderstandingAgent,一个使用Cellpose和SAM3进行零样本实例分割的混合分割模块,以及一个生成定量指标和可视化报告的ReportAgent。还引入了一个新的基准测试MorphoOrgaVQA,用于评估此类智能体系统在类器官分析中的表现。

  17. TOOL · CL_235649 ·

    新的合成数据集WireSeg-32K改进了导线实例分割

    研究人员推出了WireSeg-32K,这是一个旨在改进导线实例分割的合成数据集。该数据集包含32,000张图像,带有实例掩码和深度图,使用名为DeformX的协同仿真管道生成。DeformX将Cosserat-rod动力学与NVIDIA Isaac Sim相结合,以实现物理上合理的导线变形和逼真的渲染。初步实验表明,使用LoRA在WireSeg-32K上微调SAM3模型,可以显著提高其在真实世界导线感知任务上的性能。

  18. TOOL · CL_231675 ·

    SAM3-LoRA采用参数高效技术对基础模型进行缺陷分割的适应

    研究人员开发了SAM3-LoRA,一种用于SAM3基础模型进行多类别结构缺陷分割的参数高效适应技术。该方法利用低秩适应(LoRA)对SAM3进行微调,所需参数远少于完全微调。该研究引入了一种新颖的监督程序,直接使用类别名称作为提示从COCO风格的实例分割数据中训练模型,无需提示模板或学习到的嵌入。此外,它通过采用详尽的硬负面提示(包括使用不存在的类别进行查询)来解决模型预测与文本条件脱钩的特定失败模式。这种方法在分割精度方面取得了显著…

  19. TOOL · CL_229546 ·

    OPUS框架以强大性能简化开放词汇检测

    研究人员推出了一种新颖的统一开放词汇检测框架OPUS,该框架旨在实现简单性和有效性。与以往复杂的系统不同,OPUS利用了语义丰富的视觉表示和可扩展的接地监督。该框架使用DINOv3-ConvNeXt-B骨干网络和感知提示的解码器,通过单阶段实例级对比对齐(ICA)策略和基于SAM3的数据引擎进行训练。在COCO、LVIS-minival和ODinW35数据集上的实验表明,OPUS在视觉-图像准确性方面取得了最先进的性能,同时保持了文本…

  20. TOOL · CL_225435 ·

    新的 ComfyUI 节点支持 SAM3 模型 INT8 量化,节省存储空间

    一位开发者创建了支持 SAM3 和 SAM3.1 模型 ConvRot INT8 量化的 ComfyUI 节点。通过将模型权重保持在 8 位精度,此优化显著减少了存储空间和 VRAM 使用量。该解决方案包括一个加载器节点和一个检测器节点,它们利用具有在线激活旋转的高速 INT8 内核,同时还为未对齐的层提供自动回退保护。