Segment Anything Model (SAM)מודל הבסיס של Meta AI עבור פרומפטבליות של הפרדה איורית על פי כל עצם או סצנה.

4.8 (5)

נבדק על ידי Daniel Nikulshyn·עודכן יולי 2026

Open Source Computer Vision Image Segmentation Foundation Model Research PyTorch Zero-Shot

סקירה

Segment Anything Model (SAM) הוא מערכת פילוח תמונות פתוחה שפותחה על ידי Meta AI Research. בהינתן תמונה והנחיה פשוטה כגון נקודה, תיבה או מסכה גסה, היא מייצרת מסכות פילוח באיכות גבוהة עבור כמעט כל אובייקט, ללא צורך באימון ספציפי למשימה. ה־SAM הוכשר על מערך הנתונים SA-1B, המכיל למעלה ממיליארד מסכות על פני 11 מיליון תמונות, מה שנותן לו יכולת הכללה חזקה ללא צורך באימון נוסף. ניתן לשלב אותו בקווי עיבוד תמונה למחשב עבור משימות כמו הערות, עריכת תמונות, הדמיה רפואית, רובוטיקה, AR/VR וניתוח מדעי. המודל ומערך הנתונים משוחררים תחת תנאים נוחים, מה שהופך את ה-SAM לבנייה נפוצה עבור חוקרים ומפתחים שזקוקים לפילוח גמיש מבלי לאמן מודל מותאם אישית מאפס.

תכונות עיקריות

הפרדה-איור פרומפטבלי עם נקודה ועיגול
הפקת-אוטומטית של מספרי-תמונה-לכל-תמונה
מפיץ-ת-המודל ViT-ביוסב-Encorder
העברה-בשל אפס שני-ל-דומיינים-חדשים
קוד-פתוח ו- SA-1B-דטסט
משבצים-עם-PyTorch ו-Stacks- CV- פופולרים

תמחור

מודל: Freemium
קטגוריה: ראייה ממוחשבת
דירוג: 4.8 / 5 (5)

מקרי שימוש

האצת תיום השבחה של קבצי נתונים

השתמש ב-SAM לצורך חילוקה עמוק של יישומי בידור בעזרת קליקים פשוטים או בקפסולות על-מנת לצמצם זמן שבחה ידני לטווח ML של נתיבי אימון.

עריכה והרכבת תמונות

הפיק חלקות עם זהויות פרטיקולריות להסרת רקע, תיקונים יחידיים או הרכבה בכלי יצירתיים בלא שיהיה צורך לאמן דגם חילוקה רשום.

הנתחת אימגינג שלרפואה (Medical Imaging) ונושאים

שים קצה לחילוקה חסר מאפיינים על סריטי מרחב-זמן או העתקים ביעיליים, בעזרת תיפוף, כדי לאייד חלקי-ישות (Structures of interest, FOI), וב- downstream analysis.

הנתחת ועמידה בתנאחות

התלבב SAM ( SAM ) למנגנון ריאי , ו-AR תפיסה (Computer Vision Pipeline) ,

יתרונות וחסרונות

יתרונות

הפרדת-איור כפול-הפל
פרומפלי-שכיח-קל-כ-נקודה, עיגול או-מספר
שקי-פתיח-מודלים-פתוח מ"
קל לפרומפ-ת-בתוך-סיב-פי-ת-ספרה אש

חסרונות

ה-Model-מא-שכ-כבד-ת-הפל
אין-מיינ-ג"ת-שן - class- class- semantic- semantic
איכות-מת-נ-כ-השל
ה-Model-ד-"שס- ק-כ- ]
useCases
:
[object Object],[object Object],[object Object],[object Object]

שיא קרבות

ב-1 קרב בפנתאון.

Last battle

#2
Computer Vision Showdown — February 5, 2024
Feb 5, 2024 · #2 of 8

ביקורות

4.8

ממוצע מ-5 דירוגים.

התחבר כדי להשאיר ביקורת.

Aaliyah Johnson

Apr 5, 2026

Years in this space

I've evaluated a lot of these over the years. What stands out here is pretrained ViT-based image encoder — handled better than most — and strong zero-shot segmentation on unseen objects. Worth the time if this is your use case.

Margaret Whitfield

Mar 5, 2026

Years in this space

I've evaluated a lot of these over the years. What stands out here is promptable segmentation with points and boxes — handled better than most — and flexible prompts: points, boxes, or masks. Worth the time if this is your use case.

Hannah Goldberg

Oct 15, 2025

Use it every day

Honestly didn't expect to like it this much. Integrates with PyTorch and common CV stacks is exactly what I needed, and easy to integrate via official Python library. I do wish requires prompts or automatic mask generation setup, but I reach for it almost every day now and it just clicks.

Olga Ivanova

Jul 10, 2025

Skeptical, then convinced

I went in skeptical — most tools in this space overpromise. It actually delivers on zero-shot transfer to new domains, and strong zero-shot segmentation on unseen objects caught me off guard. Requires prompts or automatic mask generation setup is why this isn't a perfect score, still, I'd recommend giving it a real trial.

Linda Petersen

May 29, 2025

Skeptical, then convinced

I went in skeptical — most tools in this space overpromise. It actually delivers on automatic mask generation for entire images, and open weights and large public dataset caught me off guard. still, I'd recommend giving it a real trial.

שאלות ותשובות

Does SAM provide semantic class labels for the segmented objects?

No, SAM outputs binary masks only; it does not assign semantic class labels, so you would need an additional classifier if label information is required.

Asked by Giulia Conti · Mar 23, 2026

Can SAM be used for real‑time applications on CPU‑only hardware?

Because SAM’s ViT‑based encoder is large, it runs efficiently on GPUs but can be slow on CPUs, making real‑time CPU‑only deployment challenging for high‑throughput use cases.

Asked by Tariq Aziz · Feb 22, 2026

What input prompts does SAM accept for generating segmentation masks?

SAM can take point clicks, bounding boxes, or rough masks as prompts, and it also offers an automatic mode that generates masks for all objects in an image without any user input.

Asked by Salome Beridze · Dec 22, 2025