用途
Segment Anything Model（SAM）是 Meta AI 的零样本图像分割基础模型。资料指出，当需要在不进行任务特定训练的情况下分割图像中的任意对象、构建基于点/框提示的交互式标注工具、为其他视觉模型生成训练数据、实现对新图像域的零样本迁移、构建目标检测/分割流水线，或处理医学、卫星及特定领域图像时，可使用 SAM。
资料同时说明，若需要带类别的实时目标检测，应改用 YOLO/Detectron2；若需要带类别的语义/全景分割，应改用 Mask2Former；若需要文本提示分割，应使用 GroundingDINO + SAM；若需要视频分割任务，应使用 SAM 2。
主要能力
- 零样本分割：无需微调即可适用于任意图像域。
- 灵活提示：支持点、边界框或先前的掩码。
- 自动分割：可自动生成所有对象掩码。
- 高质量：基于 1100 万张图像的 11 亿个掩码训练。
- 多种模型规格：ViT-B（最快）、ViT-L、ViT-H（最准确）。
- ONNX 导出：可部署到浏览器和边缘设备。
模型规格方面，ViT-H 检查点为 vit_h，大小 2.4 GB，速度最慢、准确度最佳；ViT-L 为 vit_l，1.2 GB，速度中等、准确度良好；ViT-B 为 vit_b，375 MB，速度最快、准确度良好。
提示类型包括：前景点（点击对象，用于单对象选择）、背景点（点击对象外部，用于排除区域）、边界框（围绕对象的矩形，用于较大对象）、先前掩码（低分辨率掩码输入，用于迭代细化）。
使用方式
安装可从 GitHub 执行： pip install git+https://github.com/facebookresearch/segment-anything.git
可选依赖： pip install opencv-python pycocotools matplotlib
或使用 HuggingFace transformers： pip install transformers
下载检查点： ViT-H（最大、最准确）2.4GB： wget https://dl.fbaipublicfiles.com/segment_anything/sam_vit_h_4b8939.pth ViT-L（中等）1.2GB： wget https://dl.fbaipublicfiles.com/segment_anything/sam_vit_l_0b3195.pth ViT-B（最小、最快）375MB： wget https://dl.fbaipublicfiles.com/segment_anything/sam_vit_b_01ec64.pth
基础用法（SamPredictor）：加载模型 sam_model_registry"vit_h"，迁移到 cuda，创建 predictor，调用 set_image 计算一次图像嵌入，再用 predict 传入 point_coords、point_labels 与 multimask_output 获取 masks、scores、logits，并通过 np.argmax(scores) 选择最佳掩码。
HuggingFace Transformers 用法：从 "facebook/sam-vit-huge" 加载 SamModel 与 SamProcessor，将图像与 input_points 传入 processor 得到张量，在 torch.no_grad() 下前向推理，再用 processor.image_processor.post_process_masks 将掩码还原到原始尺寸。
架构上，SAM 由图像编码器（ViT）、提示编码器（点/框）与掩码解码器（Transformer）组成；图像嵌入只计算一次，提示嵌入按提示生成，解码器输出掩码与 IoU 预测。
交互式分割支持单前景点、多前景点与背景点组合、边界框提示、框与点组合提示，以及利用先前掩码 logits 进行迭代细化。
自动掩码生成使用 SamAutomaticMaskGenerator，可配置 points_per_side（网格密度）、pred_iou_thresh、stability_score_thresh、crop_n_layers、crop_n_points_downscale_factor、min_mask_region_area 等参数；生成结果可按面积、predicted_iou、stability_score 过滤。
批量推理方面，可对多张图像循环 set_image 与 predict，也可对同一图像编码一次后处理多个提示。
ONNX 部署可通过 python scripts/export_onnx_model.py 导出（含 --checkpoint、--model-type、--output、--return-single-mask 参数），再用 onnxruntime 的 InferenceSession 运行，输入包括 image_embeddings、point_coords、point_labels、mask_input、has_mask_input、orig_im_size。
适用场景
资料给出的常见工作流包括：交互式标注工具（点击事件触发前景点预测并显示最佳掩码）、对象提取（按点提取对象并生成带透明背景的 RGBA 输出）、医学图像分割（灰度转 RGB 后用 ROI 边界框分割）。
输出格式与优化
自动掩码生成输出包含 segmentation（H×W 二值掩码）、bbox、area、predicted_iou、stability_score、crop_box、point_coords。掩码可编码为 COCO RLE 格式（使用 pycocotools 的 encode/decode）。
性能优化方面：显存受限时使用 ViT-B，批量处理并清理 CUDA 缓存；速度优化可使用半精度 sam.half()、减少 points_per_side（默认 32）、使用 ONNX 部署并加 --return-single-mask。
限制与常见问题
资料列出的常见问题及对应处理：显存不足时改用 ViT-B 并缩小图像尺寸；推理慢时改用 ViT-B 并减少 points_per_side；掩码质量差时尝试不同提示或使用框加点；边缘伪影时使用 stability_score 过滤；小对象遗漏时增大 points_per_side。
关于收费、价格、平台支持范围等事实，资料暂未提供。