SAM 3 / 3.1 是什么？

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

以前的 SAM 主要只是 理解物体的形状。如果想切出指定对象，需要用 BBOX 或坐标来指定位置。

SAM 3 则可以像 VLM 一样用文本指定对象，并且单独完成分割。

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。

模型下载

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

workflow

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）。
  • 这个规格有点绕。如果有多个对象符合提示词，只写 car 的话，只会检测其中最像的一个。
    • 如果想分割到第 N 个对象，需要写成 car:N。
    • 如果只是想检测画面中所有符合条件的对象，直接写成 car:99 也可以。

视频

sam3_1_video.json
  • 使用 SAM3 Video Track 节点。
  • 将输出传给 SAM3 Track to Mask 节点，就可以作为蒙版使用。
  • SAM3 Track Preview 节点输入图像和 track_data 后，会给蒙版部分上色，方便查看。