@lillyguisnet: 哇塞！！！我还没有机会尝试SAM3.1，但仅仅用"worm"这个提示就能完美分割我的图像！…
摘要
一位用户分享了关于SAM 3.1的热情反馈：仅用'worm'等简单文本提示即可精准分割图像，相比SAM 1有显著提升。
哇塞！！！我还没有机会尝试SAM3.1，但仅仅用"worm"这个提示就完美分割了我的图像！！当我们还只有SAM1的时候，我得经历一大堆循环才能找到它们……太棒了！！等不及尝试更多东西了 https://t.co/Fjj2uVmXWW
查看缓存全文
缓存时间: 2026/05/08 10:48
哇！！！我还没机会尝试SAM3.1，但仅仅用“worm”提示词就完美分割了我的图像！！之前用SAM1时，我得绕一大圈才能找到它们……太棒了！！迫不及待想尝试更多东西 https://t.co/Fjj2uVmXWW
相似文章
@lillyguisnet：对比还没做完，但我已经很喜欢SAM3.1带来的额外分割微改进！它似乎……
该推文称赞SAM3.1改进了分割效果，能处理模糊边界，并且尾部覆盖更好，从而得到更准确的长度测量。
2023年，我使用了SAM1结合自定义vit分类器来识别并自动化我的显微镜图像分割。
作者分享了一种使用SAM1和SAM3.1自动化显微镜图像分割的方法，通过分组相似图像并利用类似视频的传播，实现了100%的准确率。
@MaximeRivest: 这是一个非常酷且强大的技巧，用于无需提示的SAM图像分割！ > 你可以利用...
分享了一种技术，使用Segment Anything Model (SAM)无需提示即可分割图像，通过利用显微镜图像之间的相似性，实现类似于视频的零样掩码传播。
SAM 3: Segment Anything with Concepts
SAM 3 引入了一个统一的模型，用于基于提示的概念分割与跟踪，通过解耦的识别与定位架构以及可扩展的数据引擎，实现了最先进的性能。
SAM 3D Animal：基于提示的野外动物三维重建
SAM 3D Animal提出了一个基于提示的框架，用于从单张野外图像中进行多动物三维重建，该框架基于SMAL+模型，在多个数据集上取得了最先进的结果。