قبلاً در مورد SAM 3 و نسخه‌های سه‌بعدی مثل SAM 3D Objects و SAM 3D Body بحث کردیم...
متا یک قدم جلوتر رفته و استاندارد جدیدی در بین مدل‌های بینایی کامپیوتری ساخته:

قابلیت Segment Anything with Concepts!

نسخه‌ی جدید SAM 3 نه فقط اشیاء رو تشخیص می‌ده، بلکه با پرامپت مفهومی می‌تونی هر چیزی رو با یک عبارت ساده بخش‌بندی کنی؛ از «اتوبوس مدرسه زرد» گرفته تا «بازیکنی با لباس سفید».


مدل می‌تونه بین مفاهیم نزدیک خیلی دقیق تمایز بذاره—حتی در ویدیوهای شلوغ!
این کار با معماری جدید Presence Head انجام می‌شه

زیرساخت مدل:

دیتاست عظیم شامل ۴ میلیون مفهوم

بنچ‌مارک جدید SA-Co با ۲۷۰ هزار مفهوم (۵۰ برابر بزرگ‌تر از قبلی‌ها!)

دو برابر دقیق‌تر از مدل‌های قبلی در بخش‌بندی تصویر و ویدیو

عملکرد نزدیک به ۷۵–۸۰٪ انسان

پردازش یک تصویر شلوغ در فقط ۳۰ میلی‌ثانیه روی GPU H200

مدل ۸۴۸ میلیون پارامتری

📦 مدل‌ها + 📚 کدها + 📊 بنچ‌مارک SA-Co
همه هم روی Hugging Face در دسترسه

مقاله | مدل و دیتاست | دمو