SAM 3 / 3.1 是什么?

SAM 3 是 Meta Segment Anything Model 系列的新模型。

以前的 SAM 说到底只能 看出物体的形状,想切出指定的对象,还得用 BBOX 或坐标告诉它位置。

SAM 3 则可以像 VLM 一样用文本指定对象,靠它自己就能完成分割。

SAM 3.1 是 SAM 3 的更新版,改进了视频中多个对象的追踪处理。


下载模型

📂ComfyUI/
└── 📂models/
    └── 📂checkpoints/
        └── sam3.1_multiplex_fp16.safetensors

工作流

静态图像

sam3_1.json
  • 向 SAM3 Detect 节点输入图像、蒙版,以及想切出的对象信息(文本提示词、BBOX、坐标)。
  • 这里的规则有点绕:如果有多个对象符合提示词,只写 car 的话,只会检测出其中最像的那一个。
    • 想分割出前 N 个,需要写成 car:N。
    • 如果只是想把画面里出现的对象全部检测出来,直接写 car:99 也无妨。

视频

sam3_1_video.json
  • 使用 SAM3 Video Track 节点。
  • 把输出传给 SAM3 Track to Mask 节点,就能当作蒙版使用。
  • 给 SAM3 Track Preview 节点输入图像和 track_data,它会给蒙版部分上色,方便查看。