簡(jiǎn)介一套開(kāi)箱即用的SAM2圖像分割完整跑通版本面向計(jì)算機(jī)視覺(jué)領(lǐng)域的研究者、開(kāi)發(fā)者以及自動(dòng)駕駛、醫(yī)學(xué)影像處理方向的技術(shù)人員解決從任意圖像到像素級(jí)分割掩膜的快速轉(zhuǎn)換難題。壓縮包共297個(gè)文件整體約344.72MB其中包含預(yù)訓(xùn)練模型權(quán)重、30個(gè)Python二次開(kāi)發(fā)腳本、24個(gè)編譯緩存文件、多種模型調(diào)用示例、YAML環(huán)境配置、數(shù)據(jù)處理腳本以及詳細(xì)的README文檔還有配置環(huán)境的DOCX教程目錄按功能模塊組織非常便于檢索和按需取用。目前已有3596人學(xué)習(xí)下載示例程序覆蓋圖像預(yù)測(cè)、自動(dòng)掩膜生成、視頻預(yù)測(cè)等典型場(chǎng)景搭配預(yù)訓(xùn)練權(quán)重即可開(kāi)箱推理也可基于現(xiàn)有腳本快速改造。對(duì)希望將最新分割技術(shù)落地到科研實(shí)驗(yàn)或產(chǎn)品原型的團(tuán)隊(duì)而言這套資源能顯著縮短環(huán)境搭建與代碼調(diào)試周期同時(shí)提供完整的調(diào)用鏈路參考有效提升圖像分析的精度與效率。1. 從解壓到第一次出maskSAM2到底卡在哪一步拿到「segment-anything-2.zip」這類的壓縮包不少人的第一反應(yīng)是解壓、裝依賴、跑demo結(jié)果往往卡在一個(gè)很尷尬的位置環(huán)境裝好了權(quán)重也下下來(lái)了但一跑推理就報(bào)錯(cuò)或者mask出來(lái)一團(tuán)黑。SAM2跟第一代最大的區(qū)別在于它在視頻分割上的能力大幅增強(qiáng)但代價(jià)是運(yùn)行時(shí)對(duì)顯存和模型加載邏輯更挑剔。這個(gè)標(biāo)題指向的其實(shí)不是一個(gè)「跑通聽(tīng)天由命」的黑匣子而是一條可以穩(wěn)定復(fù)現(xiàn)的路徑把壓縮包里的項(xiàng)目代碼變成能在本地出分割結(jié)果的工具。這篇文章會(huì)把「跑通版本」這件事拆成四塊環(huán)境到底要裝到什么粒度、官方推理腳本怎么用才不出錯(cuò)、prompt參數(shù)怎么調(diào)才能讓mask貼合目標(biāo)以及你大概率會(huì)踩的五個(gè)坑。適合剛拿到壓縮包不知道從哪下手的初階用戶也適合被各種load_state_dict報(bào)錯(cuò)折磨過(guò)的熟手——后者可以直接跳到避坑章節(jié)對(duì)照排查。先說(shuō)結(jié)論SAM2的項(xiàng)目跑通不難難的是環(huán)境版本和權(quán)重文件的對(duì)齊這兩件事做對(duì)了剩下的就是幾十行代碼的事。2. 環(huán)境準(zhǔn)備把版本對(duì)齊這件事做到位SAM2的代碼依賴一堆深度學(xué)習(xí)組件但真正決定你能否跑通的只有三個(gè)Python版本、PyTorch版本、權(quán)重文件與代碼倉(cāng)庫(kù)的匹配關(guān)系。很多人翻車不是因?yàn)榇a寫(xiě)錯(cuò)而是因?yàn)閠orch版本太新或太老導(dǎo)致編譯擴(kuò)展或加載checkpoint時(shí)出現(xiàn)莫名奇妙的報(bào)錯(cuò)。2.1 解壓后的目錄結(jié)構(gòu)先搞清楚你手里有什么拿到壓縮包解壓后常見(jiàn)做法是先看看目錄里有沒(méi)有checkpoints、configs、demo或segment_anything_2這類目錄。以官方倉(cāng)庫(kù)常見(jiàn)的結(jié)構(gòu)為例代碼部分包含模型定義、數(shù)據(jù)加載和推理腳本權(quán)重通常不會(huì)直接塞在zip里因?yàn)閱蝹€(gè)checkpoint文件動(dòng)不動(dòng)幾個(gè)GB壓縮包一般只帶代碼骨架和配置。所以解壓第一步不是急著裝環(huán)境而是確認(rèn)你缺什么東西。unzip segment-anything-2.zip -d sam2_project cd sam2_project find . -maxdepth 2 -type d | sort # 期望看到的目錄層級(jí)示例 # ./checkpoints # 權(quán)重文件目錄可能為空 # ./configs # 模型配置yaml # ./demo # gradio演示或推理示例 # ./segment_anything_2 # 核心代碼包這段命令的意圖是讓你在動(dòng)手前對(duì)項(xiàng)目結(jié)構(gòu)有數(shù)。如果checkpoints目錄不存在需要手動(dòng)創(chuàng)建并下載對(duì)應(yīng)權(quán)重如果demo目錄缺失說(shuō)明這個(gè)zip可能是裁剪版只保留了核心庫(kù)。邏輯說(shuō)明SAM2的推理入口通常封裝在segment_anything_2包內(nèi)配置yaml里記錄了模型結(jié)構(gòu)參數(shù)這兩者必須和權(quán)重文件的訓(xùn)練配置一致否則加載時(shí)會(huì)出現(xiàn)層名匹配失敗。參數(shù)說(shuō)明maxdepth 2限制只往下看兩層目錄避免輸出太長(zhǎng)sort讓目錄名按字典序排列方便快速定位。如果你解壓后發(fā)現(xiàn)目錄結(jié)構(gòu)異常比如少了configs或核心包目錄那這個(gè)zip很可能不完整不要浪費(fèi)時(shí)間繼續(xù)下一步。2.2 依賴安裝的版本敏感點(diǎn)torch版本決定的坑SAM2的官方實(shí)現(xiàn)依賴torch、torchvision、opencv-python、pycocotools等庫(kù)但真正卡人的是GPU相關(guān)的那部分。項(xiàng)目代碼里有CUDA自定義算子主要是視頻分割用到的flash-attention類優(yōu)化聚合版本不同會(huì)導(dǎo)致編譯失敗或運(yùn)行時(shí)報(bào)錯(cuò)。常見(jiàn)做法是先創(chuàng)建獨(dú)立conda環(huán)境再裝對(duì)應(yīng)版本的torch。conda create -n sam2 python3.10 -y conda activate sam2 # 安裝PyTorch注意cuda版本要和本機(jī)驅(qū)動(dòng)匹配 pip install torch2.1.0 torchvision0.16.0 --index-url https://download.pytorch.org/whl/cu121 # 安裝項(xiàng)目依賴 cd sam2_project pip install -e . # 如果你有setup.py # 或 pip install -r requirements.txt邏輯說(shuō)明Python 3.10是穩(wěn)妥選擇SAM2的代碼基于新語(yǔ)法特性寫(xiě)的3.8以下大概率直接語(yǔ)法報(bào)錯(cuò)3.12以上又可能遇到某些依賴沒(méi)有預(yù)編譯wheel的問(wèn)題。torch 2.1.0配合cu121是過(guò)去驗(yàn)證過(guò)的組合因?yàn)镾AM2的官方release時(shí)間線正好落在torch 2.x早期版本區(qū)間太新的torch比如2.4改了部分API行為可能導(dǎo)致自定義算子加載失敗。參數(shù)說(shuō)明-e表示可編輯安裝適合跑通后修改源碼調(diào)試如果你不需要改源碼直接pip install .會(huì)更快。requirements.txt里如果鎖定了某些庫(kù)的版本號(hào)建議優(yōu)先以它為準(zhǔn)手動(dòng)安裝torch只是為了提前確認(rèn)CUDA兼容性。注意不要用CPU版本的torch跑SAM2除非你只是想看代碼結(jié)構(gòu)——視頻分割在CPU上跑一個(gè)片段可能要等十分鐘。3. 用最小推理腳本跑通第一次靜態(tài)圖分割環(huán)境裝好、權(quán)重下載完畢之后下一個(gè)目標(biāo)是讓模型對(duì)一張圖輸出mask。這里的關(guān)鍵是準(zhǔn)備好輸入數(shù)據(jù)格式以及把模型加載、圖像預(yù)處理、推理調(diào)用這三步串聯(lián)起來(lái)。3.1 輸入數(shù)據(jù)準(zhǔn)備不該被忽略的預(yù)處理細(xì)節(jié)SAM2雖然號(hào)稱「開(kāi)箱即用」但對(duì)輸入圖像有隱性要求尺寸、通道數(shù)、數(shù)值范圍都要符合模型的預(yù)期。官方代碼里通常有個(gè)預(yù)處理管道但你在自定義腳本里調(diào)用時(shí)要自己處理Resize和歸一化。import cv2 import numpy as np def preprocess_image(image_path, target_size1024): # 讀取圖像SAM2默認(rèn)期望BGR轉(zhuǎn)RGB image cv2.imread(image_path) image cv2.cvtColor(image, cv2.COLOR_BGR2RGB) h, w image.shape[:2] # 等比縮放長(zhǎng)邊縮到target_size scale target_size / max(h, w) new_h, new_w int(h * scale), int(w * scale) image cv2.resize(image, (new_w, new_h), interpolationcv2.INTER_LINEAR) return image, (new_h, new_w), (h, w)邏輯說(shuō)明SAM2的圖像編碼器用的是Transformer結(jié)構(gòu)輸入尺寸需要被編碼器內(nèi)部的position embedding處理雖然不是嚴(yán)格固定到1024x1024但把長(zhǎng)邊縮放到1024是官方demo的常見(jiàn)取值這樣mask輸出質(zhì)量有保障。另一個(gè)潛在坑是顏色通道OpenCV默認(rèn)讀取是BGR格式直接丟給模型會(huì)導(dǎo)致分割結(jié)果完全錯(cuò)誤雖然視覺(jué)上圖像看起來(lái)正常但模型學(xué)到的顏色分布是RGB通道顛倒會(huì)嚴(yán)重影響特征提取。參數(shù)說(shuō)明target_size1024是模型訓(xùn)練時(shí)的標(biāo)準(zhǔn)輸入分辨率如果你的圖像太大比如4000x3000直接resize到1024會(huì)損失細(xì)節(jié)我一般會(huì)先看目標(biāo)物體大小如果物體很小先在原圖上裁剪出感興趣區(qū)域再縮放效果比直接全圖縮放好很多。INTER_LINEAR是線性插值對(duì)自然圖像足夠用不需要換更高級(jí)的插值方法。3.2 加載權(quán)重與推理腳本從模型初始化到mask輸出權(quán)重文件的加載是另一個(gè)高發(fā)報(bào)錯(cuò)點(diǎn)。SAM2的模型類會(huì)從config文件讀取結(jié)構(gòu)參數(shù)然后用torch.load讀取checkpoint里的state_dict。如果config和權(quán)重不對(duì)齊最常見(jiàn)的報(bào)錯(cuò)是size mismatch或Missing key(s) in state_dict。# 假設(shè)權(quán)重放在checkpoints目錄下 mkdir -p checkpoints # 需要從官方地址下載sam2.pt權(quán)重文件放到checkpoints目錄import torch from segment_anything_2 import build_sam2, Sam2Predictor def load_model(devicecuda): config_path configs/sam2/sam2_hiera_l.yaml checkpoint_path checkpoints/sam2_hiera_l.pt # 構(gòu)建模型 model build_sam2(config_path, checkpoint_path, devicedevice) predictor Sam2Predictor(model) return predictor # 推理拿到mask def segment_image(predictor, image): predictor.set_image(image) # 輸入點(diǎn)提示目標(biāo)中心位置類型為前景點(diǎn) point_prompt np.array([[500, 300]]) point_label np.array([1]) masks, scores, _ predictor.predict( point_coordspoint_prompt, point_labelspoint_label, multimask_outputTrue, ) return masks, scores邏輯說(shuō)明build_sam2內(nèi)部會(huì)根據(jù)yaml文件里的模型層次配置構(gòu)建網(wǎng)絡(luò)結(jié)構(gòu)然后加載checkpoint。這里強(qiáng)調(diào)devicecuda是因?yàn)镾AM2的模型參數(shù)量在百萬(wàn)級(jí)別CPU推理不是不能跑但一次前向要等很久調(diào)試效率極低。Sam2Predictor是官方封裝好的推理接口set_image內(nèi)部完成了圖像編碼器的前向計(jì)算之后每次predict都復(fù)用這個(gè)特征所以如果你要同時(shí)對(duì)一張圖做多次不同prompt的分割調(diào)用一次set_image就夠不用重復(fù)編碼。參數(shù)說(shuō)明multimask_outputTrue時(shí)模型會(huì)返回3個(gè)候選maskscores是每個(gè)mask的置信度如果設(shè)為False則只返回最優(yōu)的一個(gè)。點(diǎn)提示的坐標(biāo)坐標(biāo)系是原始圖像尺寸——注意不是resize后的尺寸因?yàn)镾am2Predictor內(nèi)部會(huì)做坐標(biāo)變換所以你在調(diào)用predict時(shí)傳入的坐標(biāo)是原圖像上的坐標(biāo)。point_label為1表示前景點(diǎn)為0表示背景點(diǎn)這直接影響分割結(jié)果的語(yǔ)義。4. 交互式提示設(shè)計(jì)與參數(shù)調(diào)優(yōu)讓mask貼合目標(biāo)跑通demo只是起點(diǎn)真實(shí)場(chǎng)景里你往往需要分割特定物體或者修正模型第一次分割的偏差。SAM2的交互式設(shè)計(jì)允許你用點(diǎn)和框來(lái)引導(dǎo)模型但其中的參數(shù)選擇會(huì)影響最終mask邊界是否干凈。4.1 點(diǎn)提示與框提示的組合策略何時(shí)用點(diǎn)、何時(shí)用框SAM2對(duì)點(diǎn)提示和框提示的響應(yīng)模式不同點(diǎn)提示適合指定「要什么」或「不要什么」框提示則相當(dāng)于給模型一個(gè)空間范圍約束。實(shí)際使用中框提示的穩(wěn)定性遠(yuǎn)高于點(diǎn)提示——如果你只給一個(gè)前景點(diǎn)模型可能把與目標(biāo)顏色相近的背景也分割進(jìn)來(lái)但給一個(gè)緊貼目標(biāo)的框模型會(huì)在框內(nèi)尋找精確邊界。# 框提示示例框住目標(biāo)物體 box_prompt np.array([[100, 150], [600, 700]]) # [左上角x,y], [右下角x,y] masks, scores, _ predictor.predict( point_coordsNone, point_labelsNone, boxbox_prompt, multimask_outputTrue, )邏輯說(shuō)明當(dāng)point_coords傳None時(shí)模型只依賴框提示做分割。官方文檔里強(qiáng)調(diào)box坐標(biāo)格式是[x1, y1, x2, y2]并且同樣是原始圖像坐標(biāo)系。傳入坐標(biāo)必須確保x2 x1且y2 y1否則模型內(nèi)部會(huì)對(duì)坐標(biāo)進(jìn)行重排序或直接報(bào)錯(cuò)。實(shí)際使用中我傾向先用目標(biāo)檢測(cè)器得到一個(gè)初始框再傳給SAM2這比手工點(diǎn)選更可復(fù)現(xiàn)。參數(shù)說(shuō)明如果同時(shí)提供點(diǎn)提示和框提示模型會(huì)優(yōu)先遵循框的空間約束點(diǎn)提示用于細(xì)化前景/背景語(yǔ)義。一個(gè)常用技巧是在框的基礎(chǔ)上額外尺子一個(gè)前景點(diǎn)目標(biāo)中心這樣既限制了范圍又明確了目標(biāo)類別。另外multimask_outputTrue在框提示模式下得到的3個(gè)候選mask往往差異較大建議對(duì)每個(gè)mask算一下面積取面積最接近框面積的一半的那個(gè)。4.2 mask閾值與后處理從模型概率到干凈邊界模型輸出的mask是一張與輸入圖像同尺寸的概率圖每個(gè)像素值在0~1之間表示屬于目標(biāo)的概率。直接拿 0.5判閾值有時(shí)會(huì)得到毛糙的邊緣或者細(xì)小的孤立噪點(diǎn)。官方Sam2Predictor返回的mask已經(jīng)做過(guò)sigmoid但未經(jīng)形態(tài)學(xué)后處理。def postprocess_mask(mask_prob, threshold0.0): # mask_prob 形狀 (H, W)值范圍0~1 binary_mask (mask_prob threshold).astype(np.uint8) # 去除小連通域 num_labels, labels, stats, _ cv2.connectedComponentsWithStats(binary_mask, connectivity8) for i in range(1, num_labels): if stats[i, cv2.CC_STAT_AREA] 500: binary_mask[labels i] 0 # 閉運(yùn)算填充孔洞 kernel cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5)) binary_mask cv2.morphologyEx(binary_mask, cv2.MORPH_CLOSE, kernel) return binary_mask邏輯說(shuō)明為什么threshold設(shè)為0.0而不是0.5因?yàn)镾AM2訓(xùn)練時(shí)用了focal loss模型對(duì)正樣本的輸出概率往往偏低即使目標(biāo)區(qū)域概率只有0.3它仍然是模型認(rèn)定的前景直接按0.5截?cái)鄷?huì)丟掉大量真實(shí)目標(biāo)像素。這是很多人覺(jué)得SAM2分割效果比預(yù)期差的一個(gè)重要原因。去掉小連通域是為了避免模型在非目標(biāo)區(qū)域產(chǎn)生零星誤判。參數(shù)說(shuō)明connectedComponentsWithStats返回每個(gè)連通域的面積信息500是過(guò)濾閾值如果你的目標(biāo)物體本身很小這個(gè)值要調(diào)低到50甚至10。閉運(yùn)算的kernel大小5,5對(duì)大多數(shù)自然圖像夠用如果mask邊界鋸齒嚴(yán)重可以加大到 (7,7)但注意閉運(yùn)算會(huì)輕微膨脹邊界對(duì)精細(xì)分割任務(wù)反而有副作用。這一步的后處理在可視化或生成標(biāo)注時(shí)非常關(guān)鍵。5. SAM2跑通的常見(jiàn)問(wèn)題與排查路徑這一章匯總了跑通過(guò)程中最常見(jiàn)的五個(gè)攔路虎每條都是先現(xiàn)象、后原因、再解決方便你對(duì)照排查。5.1weights[key] size mismatch權(quán)重層尺寸不匹配現(xiàn)象加載checkpoint時(shí)報(bào)size mismatch for ...比如某個(gè)卷積層的weight維度對(duì)不上。原因權(quán)重文件對(duì)應(yīng)的config與你現(xiàn)在傳入的yaml配置不一致。最常見(jiàn)的場(chǎng)景是你拿了大模型hiera_l的權(quán)重但config里寫(xiě)的是小模型hiera_t的結(jié)構(gòu)導(dǎo)致每一層的維度都差了一截。解決重新檢查config路徑和權(quán)重文件名是否配套。官方幾種配置分別對(duì)應(yīng)不同的模型規(guī)模你需要在configs/sam2/目錄下找到與權(quán)重匹配的那個(gè)yaml。如果文件名一樣但還報(bào)錯(cuò)檢查下載的權(quán)重是否完整——某些網(wǎng)盤下載的zip會(huì)損壞用torch.load時(shí)改成mmapTrue有時(shí)能跳過(guò)加載階段。5.2CUDA out of memory顯存溢出現(xiàn)象調(diào)用predict時(shí)拋RuntimeError: CUDA out of memory。原因SAM2的Hiera模型參數(shù)量大圖像編碼器單次前向占用顯存較高分辨率大或batch設(shè)多了顯存直接爆。解決先把圖像縮到1024以內(nèi)前文預(yù)處理模塊已經(jīng)做了如果還爆把模型切成sam2_hiera_t那個(gè)資源占用最低的版本。另外PyTorch的顯存分配器會(huì)保留空閑緩存你可以在set_image后調(diào)用torch.cuda.empty_cache()清理。如果顯卡只有4GB顯存建議直接用CPU跑靜態(tài)圖分割雖然慢但至少能出結(jié)果。5.3KeyError: resolution或加載checkpoint報(bào)缺鍵現(xiàn)象加載模型時(shí)提示某個(gè)key不存在比如resolution或prompt_encoder。原因你拿到的checkpoint不是SAM2的而是第一代SAM的。兩代的state_dict命名有差異特別是prompt encoder和memory bank相關(guān)層的命名完全不同。解決確認(rèn)zip包里的權(quán)重文件來(lái)源如果是從網(wǎng)盤里整合的很可能是把一代替換成了二代。你可以用torch.load打印state_dict的鍵名看一下有沒(méi)有image_encoder.trunk開(kāi)頭的鍵如果只有image_encoder而沒(méi)有trunk那就是拿錯(cuò)了版本。這個(gè)檢查十秒鐘就能定位。5.4 分割結(jié)果全黑或全白圖像預(yù)處理問(wèn)題現(xiàn)象模型能跑通但輸出的mask是全黑的無(wú)目標(biāo)或全白的全目標(biāo)。原因90%的情況是圖像顏色通道沒(méi)轉(zhuǎn)——cv2.imread讀進(jìn)來(lái)是BGR直接丟給模型導(dǎo)致特征極度錯(cuò)亂。另一個(gè)可能是你把圖像做歸一化時(shí)像素值被縮放到0~1后又被減均值除方差但SAM2內(nèi)部已經(jīng)做了歸一化你重復(fù)操作會(huì)把分布徹底打亂。解決嚴(yán)格按官方demo的預(yù)處理來(lái)——讀取圖像、轉(zhuǎn)RGB、resize到1024、轉(zhuǎn)float和/255.0不要額外加歸一化。5.5 視頻分割跑起來(lái)特別慢未啟用記憶機(jī)制現(xiàn)象對(duì)視頻逐幀調(diào)predict每幀都要1秒以上一個(gè)10秒視頻跑半天。原因直接把靜態(tài)圖的推理邏輯套在視頻上每幀獨(dú)立分割沒(méi)有利用SAM2的視頻記憶組件。SAM2的視頻分割應(yīng)該用專門的Sam2VideoPredictor它支持跨幀的特征記憶和傳播后續(xù)幀只需要處理變化部分速度提升一個(gè)量級(jí)。解決換用segment_anything_2/video/predictor.py里的接口并傳入幀序列逐幀傳入add_new_frame或直接批量預(yù)測(cè)。這一條是很多從SAM一代遷移過(guò)來(lái)的老手最容易忽視的。6. 進(jìn)階用視頻分割做半自動(dòng)標(biāo)注時(shí)的引用幀選擇如果你的目標(biāo)是從壓縮包跑到實(shí)際場(chǎng)景——比如用SAM2做數(shù)據(jù)標(biāo)注、視頻目標(biāo)跟蹤需要再深入一點(diǎn)的是「引用幀」的選取。視頻分割里你在一幀上打點(diǎn)提示作為引用模型會(huì)把分割結(jié)果傳播到前后幀引用幀選得好整個(gè)序列的mask質(zhì)量會(huì)穩(wěn)定選得差則反饋放大錯(cuò)誤。from segment_anything_2.video import Sam2VideoPredictor predictor Sam2VideoPredictor(config_path, checkpoint_path, devicecuda) with torch.inference_mode(): state predictor.init_state(video_pathyour_video.mp4) # 在中間幀添加提示 frame_idx len(state[images]) // 2 # 選擇視頻中間幀 predictor.add_new_points_or_box( inference_statestate, frame_idxframe_idx, obj_id0, pointsnp.array([[400, 300]]), labelsnp.array([1]), ) # 前向傳播 for idx in range(len(state[images])): masks, scores, _ predictor.propagate_in_video(state, start_frame_idxframe_idx, reverseFalse)邏輯說(shuō)明引用幀的選擇原則是「目標(biāo)姿態(tài)最典型、遮擋最少的一幀」。常見(jiàn)做法是取視頻中目標(biāo)居中、面積最大的那一幀而不是第一幀。因?yàn)榈谝粠繕?biāo)可能剛進(jìn)入畫(huà)面被邊緣截?cái)嗄Ｐ蛯W(xué)到的特征不完整傳播后誤差累積。中間幀通常目標(biāo)完整且運(yùn)動(dòng)速度適中便于模型提取穩(wěn)定的外觀特征。參數(shù)說(shuō)明obj_id表示當(dāng)前追蹤的目標(biāo)ID同時(shí)追蹤多個(gè)目標(biāo)時(shí)用不同ID區(qū)分add_new_points_or_box是在指定幀上添加提示信息這個(gè)函數(shù)是視頻分割的核心交互接口。propagate_in_video會(huì)從start_frame_idx開(kāi)始向后逐幀傳播mask如果你需要雙向傳播先正向跑一遍再?gòu)囊脦聪蚺芤槐椤２冗^(guò)這個(gè)坑之后我的習(xí)慣是拿到視頻先抽幀預(yù)覽一遍挑目標(biāo)最清晰的那幀做提示而不是隨手點(diǎn)第一幀。這樣下來(lái)一張mask的精度能提升不少后處理的時(shí)間反而省了。另外如果是長(zhǎng)時(shí)間視頻幾分鐘建議分段處理每段單獨(dú)選引用幀避免模型在長(zhǎng)時(shí)序中丟失目標(biāo)外觀。希望這篇文章能讓你在解壓zip之后少走幾個(gè)彎路快速跑通SAM2并做出能用的分割結(jié)果用模型做標(biāo)注也好、做分析也好一步到位。本文還有配套的精品資源點(diǎn)擊獲取