@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...

X AI KOLs Following 2026/08/24 15:12 新闻

image-segmentation sam microscopy zero-shot ai-trick computer-vision

摘要

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。

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！ > 你可以利用显微镜图像中存在的微小相似性来欺骗模型传播对象掩码，就像它是一个视频一样。

查看原文

查看缓存全文

缓存时间: 2026/08/25 08:02

这是一个超级强大且有趣的技巧，无需提示词即可用SAM实现图像分割！

你可以利用显微图像之间存在的微小相似性，让模型误以为这是视频序列，从而传播出目标掩码。

lillyguisnet (@lillyguisnet): 在2023年，我曾将SAM1与自定义ViT分类器结合使用，用于显微图像的识别与自动化分割。

而如今，SAM3.1已基本可以实现零样本分割。（虽然尚不完美）

从这类图像中提取掩码的难点在于，图像中充满了大量无关的干扰信息。

相似文章

X AI KOLs Following

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。

X AI KOLs Following

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。

Papers with Code Trending

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。

Hugging Face Daily Papers

本文介绍了SAM-MT，它是SAM2的一个扩展，用于实时交互式多目标视频分割，实现了与目标数量无关的高帧率（FPS）。

Hugging Face Daily Papers

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。