GitHub-радар
SAM 3 от Meta: сегментация чего угодно в видео по тексту
Facebook (Meta) представляет SAM 3 — модель сегментации объектов, которая находит, описывает и отслеживает объекты на изображениях и видео на основе текстовых или интерактивных запросов. Модель работает локально на обычном ноутбуке.
SAM 3 — это наша универсальная базовая модель для сегментации объектов на изображениях и видео. Получив текстовый запрос с описанием нужного объекта, модель выдаёт точную маску сегментации. Мы также поддерживаем визуальные запросы (например, точки, ограничивающие рамки, наброски масок сегментации) и их сочетание с текстом. Более того, модель умеет автоматически отслеживать объекты во времени без покадровой разметки. На бенчмарке SA-CO (который включает 270 тысяч уникальных визуальных концепций, то есть более чем в 50 раз больше, чем в предыдущих бенчмарках) SAM 3 достигает 75–80% от уровня человека. Модель содержит 0,9 млрд параметров и весит около 1,7 ГБ в полной точности.
Зачем это вайб-кодеру
С SAM 3 вы можете легко удалить любой объект с фото или видео, просто указав его текстовое описание. Это делает модель полезным локальным инструментом для всех, кто работает с визуальными данными: видеомонтажёров, авторов контента и тех, кто проектирует визуальные workflow на основе ИИ-агентов.
Как поставить
Скопируйте и отправьте своему агенту — Claude Code, Codex, любому:
Поставь мне SAM 3 от Meta: https://huggingface.co/facebook/sam3 — используй библиотеку transformers, загрузи модель и покажи, как выделить объект на моём фото по текстовому описанию.
Обычный ноутбук от 8 ГБ оперативки — модель весит около 1.7 ГБ в оригинальном формате.
Открыть на Hugging Face▌ Ещё находки