---
title: "SAM 3: 세그멘테이션, 벤치마크 및 SAM 2 비교 — Segmentit"
description: "SAM 3의 이미지 세그멘테이션, 텍스트 및 시각적 프롬프트, SAM 1 / SAM 2.1 벤치마크를 살펴보세요. 기술을 이해하고 Segmentit 스튜디오를 사용해 보세요."
lang: "ko"
canonical: "https://segmentit.com/ko/sam-3/"
---

# SAM 3. 오브젝트를 찾아보세요.

Meta의 Segment Anything Model 3를 알아보세요. 개념 프롬프트, 인터랙티브 마스크, 이전 SAM 모델과의 공개 비교 결과를 소개해요.

[스튜디오 사용해 보기](https://segmentit.com/app?lang=ko) [벤치마크 살펴보기](https://segmentit.com/ko/sam-3/#benchmarks)

[![Segmentit 스튜디오의 오브젝트 작업 과정](https://segmentit.com/images/blog/studio-selection.png)](https://segmentit.com/app?lang=ko) [스튜디오 열기](https://segmentit.com/app?lang=ko)

Segmentit이 독립적으로 작성한 가이드예요. SAM 3와 SAM 3D는 Meta가 개발하며 Segmentit은 Meta와 제휴 관계가 없어요.

## SAM 3란 무엇인가요?

SAM3로도 검색되는 SAM 3는 이미지와 영상에서 오브젝트를 찾고 분할하는 Meta의 모델이에요. “빨간 의자” 같은 짧은 개념으로 일치하는 대상을 찾을 수 있으며, 시각적 프롬프트는 선택을 도와줘요. 출력은 대상에 속하는 픽셀을 나타내는 마스크예요.

[Meta · SAM 3 ↗](https://ai.meta.com/research/sam3/)

### SAM 3

이미지 → 2D 마스크

### SAM 3D Objects

이미지 + 마스크 → 3D 오브젝트

정확한 선택과 입체 재구성은 서로 다른 요구를 해결해요. 형태, 텍스처, 장면 구성에 앞서 올바른 대상을 선택해야 해요. [살펴보기 SAM 3D](https://segmentit.com/ko/sam-3d/).

### 비교한 모델

-   [SAM 1 HMeta](https://github.com/facebookresearch/segment-anything)
-   [SAM 2.1 LMeta](https://github.com/facebookresearch/sam2)
-   [SAM 3Meta](https://github.com/facebookresearch/sam3)

기관 및 공동 연구진의 국가예요. 각 모델에서 공식 프로젝트로 이동할 수 있어요.

## SAM 3로 무엇을 할 수 있나요?

### 텍스트 프롬프트

**개념 찾기**

“빨간 의자”처럼 대상의 이름을 입력하면 일치하는 오브젝트를 찾아요.

### 시각적 프롬프트

**마스크 안내**

점, 상자 또는 이미지 예시로 선택할 대상을 지정하세요.

### 영상 세그멘테이션

**대상 추적**

연구 모델은 여러 프레임에서 감지와 추적을 결합해요.

## 창작 방식 선택

구성에 사용할 제품을 분리하거나 투명 누끼 이미지를 준비하고, 3D 오브젝트로 만들 대상을 선택하세요. 내보내기 전에 작은 디테일을 확인하세요.

[오브젝트 선택](https://segmentit.com/ko/docs/select-an-object/) [3D로 창작](https://segmentit.com/ko/docs/generate-3d/) [다운로드 및 내보내기](https://segmentit.com/ko/docs/download-and-export/)

## SAM 3의 작동 방식은 무엇인가요?

### 설명하거나 가리키기

텍스트로 개념을 지정하고 점과 상자로 시각적 지침을 제공해요.

### 감지 및 분할

검출기가 일치하는 대상을 찾고 마스크를 예측해요. 공유 시각 백본이 감지와 영상 추적을 지원해요.

### 마스크 다듬기

긍정 및 부정 프롬프트로 대상을 조정할 수 있어요. 연구 모델은 영상 프레임 사이에서도 오브젝트의 식별 정보를 유지해요.

연구 모델의 아키텍처예요. 애플리케이션에서 제공하는 영상 기능, 표현 방식, 도구는 다를 수 있어요. [공식 코드 ↗](https://github.com/facebookresearch/sam3)

## SAM 1, SAM 2.1, SAM 3 비교

SA-37 · 인터랙티브 이미지 세그멘테이션 · 평균 mIoU · 높을수록 좋음

SAM 1 HSAM 2.1 LSAM 3

**데이터 및 지표**

**SA-37 · Table 6**

| 모델 | 1 클릭 | 3 클릭 | 5 클릭 |
| --- | --- | --- | --- |
| SAM 1 H | 58.5 | 77.0 | 82.1 |
| SAM 2.1 L | 66.4 | 80.3 | 84.3 |
| SAM 3 | 66.1 | 81.3 | 85.1 |

mIoU: 예측 마스크와 기준 마스크의 평균 교집합 대 합집합 비율. 세 가지 클릭 횟수에 대해 평가했으며, 선은 중간 결과를 추정하지 않고 관측값을 연결해요.

출처: [Carion et al. · SAM 3 · Table 6 · arXiv v1 (2025) ↗](https://arxiv.org/html/2511.16719v1#S6.T6)

클릭 5회에서 SAM 3는 85.1 mIoU를 기록하며 SAM 2.1 L의 84.3보다 높아요. 클릭 1회에서는 SAM 2.1 L이 66.4로 SAM 3의 66.1보다 조금 앞서요. 개선 폭은 상호작용 조건에 따라 달라져요.

### 인터랙티브 세그멘테이션 속도

논문의 평가 조건에 따라 표 6에 보고된 처리량이에요. 스튜디오의 지연 시간이 아니에요.

FPS ↑0 → 100

**SAM 1 H**

**41.0**

**SAM 2.1 L**

**93.0**

**SAM 3**

**43.5**

[공개 데이터 · 2025년 ↗](https://arxiv.org/html/2511.16719v1#S6.T6)

### 영상: SA-V 추적

영상 프레임 전반의 마스크 및 경계 품질이에요. 높을수록 좋아요. 연구 모델 간 비교예요.

J&F ↑ · SA-V test0 → 100

**SAM 2.1 L**

**78.4**

**SAM 3**

**84.4**

[공개 데이터 · 2025년 ↗](https://arxiv.org/html/2511.16719v1#S6.T5)

### 결과 해석하기

2025년 발표 자료에서 평가한 버전을 역사적으로 비교한 것으로, 2026년 10월 7일에 검토했어요. 데이터셋, 프롬프트, 지표에 따라 측정 대상이 달라져요. 이 점수는 Segmentit의 생성 시간이나 모든 사진의 결과 품질을 예측하지 않아요.

## 연구에서 다음 창작물로.

Segmentit에서 선택은 창작의 첫 단계예요. 오브젝트를 고르고 윤곽선을 다듬은 뒤 투명 PNG로 저장하거나 3D 제작으로 이어가세요. 명확한 마스크는 원하는 대상을 정확히 남기는 데 도움이 돼요.

[창작 시작](https://segmentit.com/app?lang=ko) [작업 과정 살펴보기](https://segmentit.com/ko/services/object-extraction/)

## SAM 3 관련 질문

**SAM 3가 3D 모델을 만드나요?**

SAM 3는 세그멘테이션 마스크를 만들어요. 3D 재구성은 SAM 3D Objects가 담당해요. 이미지에서 3D로 이어지는 작업 과정의 서로 다른 단계를 맡아요.

**SAM 2에서 무엇이 바뀌었나요?**

개념 프롬프트를 사용하면 텍스트나 예시로 일치하는 오브젝트를 검색할 수 있어요. 위 차트는 클릭을 이용한 인터랙티브 세그멘테이션을 별도로 비교해요.

**모델은 어디에서 찾을 수 있나요?**

Meta는 아래에 링크된 SAM 3 공식 저장소에 코드, 체크포인트 접근 안내, 노트북을 공개해요. 시각적 작업 환경을 원하면 Segmentit 스튜디오를 여세요.

## 출처 및 문서

-   [Meta · SAM 3](https://ai.meta.com/research/sam3/)
-   [연구 논문 · SAM 3](https://arxiv.org/html/2511.16719v1)
-   [공식 코드 · facebookresearch/sam3](https://github.com/facebookresearch/sam3)

검토일 2026년 10월 7일 · Segmentit 편집팀