如果你曾经想过：「我能不能只用一句话，让电脑在视频里自动找出所有『红色背包』？」或者希望在一张照片里随手点一下，就完成干净利落的分割，那 SAM3 正是为这些需求准备的。
随着图像与视频数据的爆炸式增长，传统分割方法往往需要大量标注或只能识别固定类别，难以应对复杂开放场景。SAM3 则通过统一的多模态输入方式——文本、示例与视觉提示——让模型能主动理解你的意图，并在图像与视频中执行高精度检测、分割与目标跟踪。
更进一步，SAM3 还具备零样本能力，可在未见过的类别上直接工作，并将分割能力延伸到 3D 场景，用于空间预览、结构分析与创意编辑等任务。
对研究者、创作者乃至普通用户来说，SAM3 让「图像理解」第一次变得如此自然、灵活，也让视觉交互的可能性远远超出以往。
教程链接：go.openbayes.com/afNLr
使用云平台: OpenBayes
openbayes.com/console/sig…
首先点击「公共教程」，找到「SAM3：视觉分割模型」，单击打开。
页面跳转后，点击右上角「克隆」，将该教程克隆至自己的容器中。
在当前页面中看到的算力资源均可以在平台一键选择使用。平台会默认选配好原教程所使用的算力资源、镜像版本，不需要再进行手动选择。点击「继续执行」，等待分配资源。
数据和代码都已经同步完成了。容器状态显示为「运行中」后，点击「API 地址」，即可进入模型界面。
若显示「Bad Gateway」，这表示模型正在初始化，由于模型较大，请等待约 2-3 分钟后刷新页面。
本教程提供 Image Segmentation 、Video Text Prompting、Video Point/Box Prompting 三个示例供测试。模型仅支持英文输入。
使用步骤如下：
Image Segmentation（图像分割）
具体参数：
- Text Prompt：这里可以输入文本文字。
- Detection Threshold：阈值越高，检测到的目标越少。
- Mask Threshold：阈值越高，生成的掩码边界更清晰、更锐利。
Video Text Prompting（视频文本提示）
具体参数：
- Text Prompt(s)：这里可以输入文本文字。
- Propagate across video：点击该按钮，对目标进行视频跟踪。
Video Point/Box Prompting（视频点/框提示）
具体参数：
-
Object ID：检测到的目标 ID。
-
Point label：
-
- positive：当点击图片上的某个位置时，如果是 Positive，意思是：这个点属于想分割的目标物体，请把它算进去。
- negative：当点击图片上的某个位置时，如果是 Negative，意思是：这个点不属于目标物体（是背景或其他东西），请把它去掉。
-
Clear old inputs for this object：是否清除之前检测到的目标。
-
Prompt type：
-
- Points：点击视觉提示。
- Boxes：框选视觉提示。
