LLLMWIKI
正文元数据首页

来源笔记 · 更新于 2026-06-29

Segment Anything把分割做成可提示的视觉基础模型

#near-cvpr-2025#vision#representation-learning#primary-source

一句话结论

SAM 把图像分割重写成 promptable foundation model：用提示点、框、mask 等输入驱动同一个模型输出分割结果，并通过数据引擎构建 SA-1B 大规模 mask 数据集。

论文定位

SAM 补上 topics/vision-backbones 里的 segmentation foundation anchor，也能服务 topics/sports-ai-video-understanding 中的数据标注、目标分割和训练反馈 demo。

问题定义

传统分割模型通常绑定特定类别、数据集和任务头；SAM 关注的问题是能否把分割变成可提示、可迁移、可交互的数据和模型基础层。

方法概述

  • 构建 promptable segmentation task，支持点、框、mask 等提示。
  • 模型由 image encoder、prompt encoder 和 lightweight mask decoder 组成。
  • 用人工-模型协同的数据引擎逐步扩展标注规模，得到超过 10 亿 masks 的 SA-1B。

关键发现

  • SAM 证明分割可以像语言模型接口一样被 prompt 驱动，并在多种分割任务上表现出强 zero-shot 转移。
  • 它的真正工程价值在于“模型 + 数据引擎”：模型能力和标注闭环一起扩大了可用 segmentation substrate。
  • 对体育 AI 来说，SAM 是构建场线、球员、器材、人体部件和训练反馈标注工具的候选基础层。

对当前 wiki 判断的影响

  • 本轮把 backbone canonical backfill 从待办推进到第一批 primary-source 锚点。
  • SAM 把 promptable segmentation 与数据引擎接进 backbone 图谱，为体育 AI 标注、mask 生成和交互式训练反馈提供基础层。

局限或疑问

  • SAM 主要处理静态图像分割，视频时序一致性和目标身份保持需要额外模块。
  • 它输出 mask 而不是任务语义；体育动作纠正仍需接姿态、轨迹、规则和教练反馈层。

原始材料

  • raw/ingest/2026-06-29-segment-anything/paper.pdf
  • raw/ingest/2026-06-29-segment-anything/paper-text.md
  • raw/ingest/2026-06-29-segment-anything/abstract.md
  • raw/ingest/2026-06-29-segment-anything/analysis.md
  • raw/ingest/2026-06-29-segment-anything/links.yaml

原始链接

  • arXiv abstract：https://arxiv.org/abs/2304.02643
  • PDF：https://arxiv.org/pdf/2304.02643
  • Segment Anything project page：https://segment-anything.com/
  • Meta segment-anything repo：https://github.com/facebookresearch/segment-anything

相关页面

元数据
{
  "id": "2026-06-29-segment-anything",
  "type": "source",
  "title": "Segment Anything：把分割做成可提示的视觉基础模型",
  "status": "reviewed",
  "created": "2026-06-29",
  "updated": "2026-06-29",
  "venue": "ICCV 2023 / arXiv",
  "published_at": "2023-04-05",
  "ingested_at": "2026-06-29",
  "tags": [
    "near-cvpr-2025",
    "vision",
    "representation-learning",
    "primary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "authors": [
    "Alexander Kirillov",
    "Eric Mintun",
    "Nikhila Ravi",
    "Hanzi Mao",
    "Chloe Rolland",
    "Laura Gustafson",
    "Tete Xiao",
    "Spencer Whitehead",
    "Alexander C. Berg",
    "Wan-Yen Lo",
    "Piotr Dollár",
    "Ross Girshick"
  ],
  "canonical_links": [
    "https://arxiv.org/abs/2304.02643",
    "https://arxiv.org/pdf/2304.02643",
    "https://segment-anything.com/",
    "https://github.com/facebookresearch/segment-anything"
  ],
  "raw_entry": "raw/ingest/2026-06-29-segment-anything/",
  "topics": [
    "topics/vision-backbones",
    "topics/video-understanding",
    "topics/sports-ai-video-understanding"
  ],
  "entities": [],
  "claims": [],
  "questions": []
}