编辑评分 100/100
网站简介
牛津VGG团队推出的视频对象分割模型，性能优异且保持身份一致性 这是牛津大学VGG研究组开发的计算机视觉领域视频对象分割模型，针对传统视频分割容易出现的对象身份漂移问题优化，在单对象、多对象两类主流基准测试中，均实现了相较于同类模型的显著性能提升，可稳定输出保持对象身份一致性的分割结果，面向视频分析领域研究开发提供支持。
核心功能
视频对象分割
支持单对象与多对象的视频目标分割处理，适配主流基准测试场景需求
身份一致性保持
分割过程中稳定维持目标对象身份一致性，有效缓解传统模型的身份漂移问题
基准性能提升
在公开单对象、多对象基准测试中，取得优于同类分割模型的性能表现
学术研究支持
由牛津大学官方研究团队推出，可供计算机视觉领域学术研究参考使用
下游任务适配
可适配多种计算机视觉下游任务，为视频分析类项目提供模型支撑
使用指南
- 1
用户可访问该网站获取SAM模型的研究资料、代码仓库链接与官方技术文档
- 2
开发者可按照文档说明配置运行环境，调用模型完成视频对象分割相关开发任务
- 3
研究人员可下载模型权重，基于该模型开展二次开发与算法优化实验，使用需遵守项目约定的开源协议。
优势亮点
基准测试性能优于同类模型
同时支持单/多对象视频分割
稳定保持分割对象身份一致性
顶尖学术团队推出技术可信度高
编辑推荐
该模型由牛津大学顶尖计算机视觉研究团队VGG推出，针对现有视频对象分割模型普遍存在的对象身份漂移痛点优化，经多类公开基准测试验证了性能优势，技术成果公开可查，为视频分析领域的研究与开发提供了可靠的前沿模型方案，对相关方向的算法迭代有较高参考价值。
常见问题
深度了解
SAM是牛津大学VGG研究团队推出的面向视频对象分割场景的机器学习模型，隶属于计算机视觉领域，专注解决视频分割过程中的对象身份一致性痛点。不同于传统视频对象分割模型，该模型在单对象与多对象两类主流基准测试中，均实现了显著的性能提升，同时解决了常见的目标身份漂移问题，可稳定输出保持身份一致的分割结果。该模型目前已在官方网站公开相关研究内容与技术文档，可供全球范围内的科研人员、算法开发者获取使用。对于从事视频分析、计算机视觉相关研究的用户来说，SAM模型既可以直接用于分割任务开发，也可以作为基础模型开展算法优化实验，是当前视频对象分割方向性能表现优异的前沿模型。
使用须知
定价: 以官网定价为准
价格和授权政策可能变化，请以官网最新信息为准
资料由中文导航编辑部整理并经健康检测核验，定期复查更新。
本页信息核对于 2026/10/10，收录信息以收录当日官网状态为准，如发现内容过期请通过下方反馈告知。
访问第三方网站时，请注意以下事项:
- 谨慎提供个人账号、密码和支付信息
- 下载文件前确认来源安全，警惕诱导性广告
- 涉及版权素材使用时，请核实授权范围
- 如遇网站无法访问或内容异常，可反馈给我们
帮助我们维护准确的收录数据，纠错会进入编辑复核队列
用过SAM？说说你的真实体验
你的点评会帮助更多人选型避坑——匿名发表，无需注册，30 秒即可完成
用户评价
还没有评分
成为第一个评价 SAM 的人
我的评分
随下方评论一并提交
热度数据
按站内点击统计2
站内总点击
#-
同类排名 / 944 站
1
同类点击中位数