Meta 发布 SAM 3 和 SAM 3D

背景

此前的 SAM 模型以指向某一个物体的提示（例如一次点击）为主。SAM 3 还接受文字描述，因此用户可以要求找出所有符合描述的物体，而不只是被指向的那一个。^[1] 分割指勾出属于某个物体的确切像素，比只画一个框更精确。跟踪则指在视频的各帧之间，持续认出同一个物体。

发生了什么

2025 年 11 月 19 日，Meta 发布 SAM 3，它可以在图片和视频中检测、分割和跟踪物体。它既接受文字提示，例如「红色棒球帽」（red baseball cap），也接受视觉提示。^[1] 同一天，Meta 还发布了 SAM 3D，这是两个开放模型，可以从单张图像重建 3D 物体和人体。^[1]

关键细节

概念分割。 一篇介绍 SAM 3 的论文报告称，在可提示概念分割（promptable concept segmentation）任务上，SAM 3 的准确率是现有系统的两倍。该任务指找出并勾勒出提示中所命名概念的全部实例。^[2]

训练数据。 训练数据覆盖超过 400 万个不同的概念。^[2] 概念指提示中所命名的一类物体或事物，例如某种帽子。覆盖范围广，有助于模型应对各种不同的描述。

权重与基准。 Meta 公开了 SAM 3 的权重、一个名为 SA-Co 的新基准，以及 Segment Anything Playground。该平台让人们无需技术背景也能试用这些模型。^[1][3] 权重是构成模型的训练结果数值，公开权重意味着其他人也能自行运行模型。

产品应用。 Meta 表示，SAM 3 和 SAM 3D 支持 Facebook Marketplace 上的「View in Room」功能。^[3]

开放发布。 SAM 3 和 SAM 3D 都以开放模型的形式发布，研究人员和开发者可以下载并测试。^[1]

影响

SAM 3 把「分割任何物体」这一路线从指向物体扩展到根据文字找出物体。3D 模型则让人们可以从一张照片重建物体和人。Meta 还把这些模型用于自家的一项消费者功能，说明这项研究不仅能用于实验室，也能用于购物类产品。^[1][3]