Mark12Ding/SAM2Long
[ICCV 2025] SAM2Long: Enhancing SAM 2 for Long Video Segmentation with a Training-Free Memory Tree
解決的問題
SAM2Long 解決了長期影片分割中的誤差累積問題。在標準的 SAM 2 中，長時間影片中追蹤物件時，當物件被遮蔽或重新出現，經常會導致漂移或失敗，使分割遮罩隨時間退化。
工作原理
它引入了一種無需訓練的記憶樹，用於管理多個分割假設。與依賴單一記憶路徑不同，系統會隨著影片推進動態修剪次優路徑，從而降低誤差傳播風險，並提升對遮蔽的韌性。
適用對象
從事影片物件分割（VOS）的電腦視覺研究人員與開發者，特別是需要在物件頻繁消失與重新出現的長影片內容中實現高精度追蹤的使用者。
主要亮點
- 無需訓練： 在不增加參數或額外訓練的情況下增強 SAM 2。
- 穩健追蹤： 專為處理長影片中物件遮蔽與重新出現而設計。
- 性能提升： 在 SA-V 和 LVOS 等基準測試中，相比原始 SAM 2，J & F 分數顯著提升。
- 相容性： 與 SAM 2 和 SAM 2.1 的各種骨幹網路大小（Tiny、Small、Base+、Large）檢查點相容。
相關
- 專案
- 專案
- 專案
- 專案
- 專案