Segment Anything（SAM）

概述

Segment Anything（SAM）是 Meta AI 推出的通用图像分割模型，定位于“可提示式分割”工具。用户可以通过点选、框选等简单提示，让模型快速生成高质量的目标遮罩（Mask），也可以用于对图像中多个对象进行自动化分割。SAM 的核心价值在于其较强的零样本泛化能力，即无需针对特定场景重新训练，也能在多种图像分割任务中取得较好的效果。

该模型基于大规模数据训练完成，训练数据覆盖超过 1100 万张图像 和 11 亿个掩模。因此，SAM 不仅适合研究人员用于计算机视觉实验，也适合开发者将其集成到标注、编辑、检测后处理等工作流中。

主要功能

• 提示式图像分割
  支持通过点、框等交互方式指定目标区域，并生成对应的物体遮罩。

• 高质量目标掩模生成
  可为前景对象输出较精细的分割结果，适合用于图像理解与后续视觉处理。

• 自动化多对象分割能力
  除了单目标交互分割外，SAM 也可用于生成图像中多个对象的候选遮罩。

• 零样本泛化
  无需针对每个新任务单独训练，在不同图像内容和分割场景下具有较强适应性。

• 适合集成到开发流程
  可用于数据标注辅助、图像编辑、目标检测后处理、视觉应用原型开发等场景。

• 研究与工程双向可用
  既适合学术研究中的分割基线实验，也适合工程团队构建实际视觉应用。

产品定价

目前公开信息显示，SAM 主要以模型与研究成果形式提供，具体费用通常取决于实际使用方式：

• 如果使用官方公开的研究资源或开源代码，通常可按其开放协议使用。
• 如果通过第三方平台、云服务或商业化接口接入，价格可能由对应服务商单独制定。
• 官网页面如有更新，建议以官方最新说明为准。

常见问题

SAM 适合哪些人使用？

主要适合计算机视觉开发者、AI 研究人员、数据标注团队，以及需要图像分割能力的产品与工程团队。

SAM 的输入方式有哪些？

其典型输入方式包括点提示和框提示。用户通过简单交互即可引导模型定位目标对象。

SAM 是否需要针对每个任务重新训练？

SAM 的一个重要特点是零样本性能较强，在很多新场景下无需重新训练即可使用。但在特定行业或高精度场景中，仍可能需要结合具体流程进行优化。

SAM 可以用于哪些场景？

常见场景包括图像标注辅助、目标抠图、内容编辑、视觉模型预处理，以及其他需要目标区域分割的应用。