对象分割

连接视觉语言模型与策略模型的具身决策AI模型项目 ROCKET-1创新性提出视觉-时间上下文提示协议，打通视觉语言模型（VLMs）与策略模型的通信链路，利用过去和当前观测的对象分割结果指导策略与环境的交互，释放VLMs的视觉语言推理能力，可解决复杂创造性任务，尤其在空间理解领域表现突出。已在Minecraft环境完成验证，可完成此前具身代理无法实现的任务。

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。

基于SAM的通用零样本目标跟踪模型，不依赖特定领域标注数据集 传统目标跟踪模型高度依赖特定领域标注视频数据集，小众复杂领域落地成本高。MASA依托Segment Anything Model（SAM）的通用对象分割能力，学习实例级对应关系，设计通用适配器可对接现有分割、检测模型，实现零样本跟踪，无需标注即可适配复杂领域，降低跨领域落地门槛。