sam

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。

360 AI Research Institute 的 MoSA（Motion-Grounded Segment Anything），已被 ECCV 2026 接收，它训练 Segment Anything 模型利用未标注视频中的运动线索来分割物体，无需人工注释即可生成数百万个伪标签。

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）。

组提示（Group Prompting）引入了一种无训练框架，用于细胞实例分割，只需对每种细胞类型进行一次点击，利用Segment Anything Model的特征空间递归扩展提示，无需训练即可实现有竞争力的性能。

将SAM 2.1模型移植到Apple silicon上（使用MLX），在小模型上实现了1.25倍推理速度提升，计划推出量化版。

宾夕法尼亚大学的研究人员正利用 DINO 和 SAM 等 AI 模型，对急救响应中的医疗分诊进行自动化和现代化改造。