---
title: "SAM 3：图像分割、基准测试与 SAM 2 对比 — Segmentit"
description: "探索 SAM 3 图像分割、文字与视觉提示，以及 SAM 1 / SAM 2.1 基准测试。了解技术，试用 Segmentit 工作室。"
lang: "zh-Hans"
canonical: "https://segmentit.com/zh-Hans/sam-3/"
---

# SAM 3。找到物体。

了解 Meta 的 Segment Anything Model 3：概念提示、交互式蒙版，以及与早期 SAM 模型的公开对比。

[试用工作室](https://segmentit.com/app?lang=zh-Hans) [查看基准测试](https://segmentit.com/zh-Hans/sam-3/#benchmarks)

[![Segmentit 工作室中的物体工作流程](https://segmentit.com/images/blog/studio-selection.png)](https://segmentit.com/app?lang=zh-Hans) [打开工作室](https://segmentit.com/app?lang=zh-Hans)

本指南由 Segmentit 独立编写。SAM 3 和 SAM 3D 由 Meta 开发；Segmentit 与 Meta 无关联。

## 什么是 SAM 3？

SAM 3（也常以 SAM3 搜索）是 Meta 用于查找和分割图像及视频中物体的模型。简短的概念提示（如“红色椅子”）可以识别匹配的实例；视觉提示则帮助引导选择。其输出为蒙版，即属于某个主体的像素。

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

### SAM 3

图像 → 2D 蒙版

### SAM 3D Objects

图像 + 蒙版 → 3D 物体

精确选区与立体重建解决不同需求。先选择正确的主体，再处理形状、纹理与场景构图。 [探索 SAM 3D](https://segmentit.com/zh-Hans/sam-3d/).

### 参与比较的模型

-   [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)

组织及合作团队所在的国家。每个模型均链接至官方项目。

## SAM 3 能做什么？

### 文字提示

**查找概念**

描述“红色椅子”等主体，以查找匹配物体。

### 视觉提示

**引导蒙版**

使用点、框或图像示例指定要选择的内容。

### 视频分割

**跟踪主体**

研究模型结合检测与跨帧跟踪。

## 选择你的创作流程

为构图提取产品，准备透明抠图，或选择想转换为 3D 物体的主体。导出前请检查细节。

[选择物体](https://segmentit.com/zh-Hans/docs/select-an-object/) [创建 3D](https://segmentit.com/zh-Hans/docs/generate-3d/) [下载与导出](https://segmentit.com/zh-Hans/docs/download-and-export/)

## SAM 3如何运作？

### 描述或点选

文字指定概念，点和框提供视觉引导。

### 检测与分割

检测器识别匹配实例并预测其蒙版。共享的视觉骨干网络支持检测和视频跟踪。

### 细化蒙版

正向与负向提示帮助调整目标。该研究模型还可在视频帧之间保持物体身份一致。

研究模型架构。应用中提供的视频功能、表示形式和工具可能有所不同。 [官方代码 ↗](https://github.com/facebookresearch/sam3)

## SAM 1、SAM 2.1 与 SAM 3 对比

SA-37 · 交互式图像分割 · 平均 mIoU · 越高越好

SAM 1 HSAM 2.1 LSAM 3

**数据与指标**

**SA-37 · Table 6**

| 模型 | 1 次点击 | 3 次点击 | 5 次点击 |
| --- | --- | --- | --- |
| 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：预测蒙版与参考蒙版的平均交并比。测试了三种点击次数；连线仅连接观测值，不表示对中间结果的估计。

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

点击五次时，SAM 3 达到 85.1 mIoU，SAM 2.1 L 为 84.3。点击一次时，SAM 2.1 L 略领先：66.4 对 66.1。提升幅度取决于交互设置。

### 交互式分割速度

论文评估设置下表 6 报告的吞吐量，并非工作室延迟。

FPS ↑0 → 100

**SAM 1 H**

**41.0**

**SAM 2.1 L**

**93.0**

**SAM 3**

**43.5**

[公开数据 · 2025 ↗](https://arxiv.org/html/2511.16719v1#S6.T6)

### 视频：SA-V 跟踪

视频帧中的蒙版与边界质量。越高越好。研究模型对比。

J&F ↑ · SA-V test0 → 100

**SAM 2.1 L**

**78.4**

**SAM 3**

**84.4**

[公开数据 · 2025 ↗](https://arxiv.org/html/2511.16719v1#S6.T5)

### 解读结果

对 2025 年论文中评估版本的历史比较，复核于 2026 年 10 月 7 日。数据集、提示和指标决定了衡量内容。这些分数既不能预测生成时间，也不能保证每张照片在 Segmentit 中的质量。

## 从研究，到你的下一个创作。

在 Segmentit 中，选择是创作的第一步：选取物体，细化轮廓，然后保存透明 PNG 或继续创建 3D。更清晰的蒙版能帮助你保留真正需要的主体。

[开始创作](https://segmentit.com/app?lang=zh-Hans) [探索工作流程](https://segmentit.com/zh-Hans/services/object-extraction/)

## 关于SAM 3的问题

**SAM 3 会创建 3D 模型吗？**

SAM 3 创建分割蒙版。SAM 3D Objects 负责 3D 重建。它们用于图像转 3D 流程中的不同阶段。

**与 SAM 2 相比有什么变化？**

概念提示允许你通过文字或示例搜索匹配物体。上方图表则单独比较了使用点击进行交互式分割的表现。

**在哪里可以找到模型？**

Meta 在下方链接的官方 SAM 3 仓库中提供代码、模型权重获取说明和笔记本。如需可视化操作流程，可打开 Segmentit 工作室。

## 来源与文档

-   [Meta · SAM 3](https://ai.meta.com/research/sam3/)
-   [研究论文 · SAM 3](https://arxiv.org/html/2511.16719v1)
-   [官方代码 · facebookresearch/sam3](https://github.com/facebookresearch/sam3)

已复核 2026 年 10 月 7 日 · Segmentit 编辑团队