开发者用 DINOv3 与 SAM 3.1 打造全本地视觉搜索引擎

有开发者将 Meta 的分割模型 SAM 3.1 与特征模型 DINOv3 组合，把一帧手术器械盘画面变成了视觉搜索引擎：SAM 3.1 先把盘中每件器械分割成独立 mask，再用其中一件器械作为查询，DINOv3 按视觉相似度对其余器械排序。整个过程完全在本地运行，无需云端服务。作者感叹专业化视觉模型的组合仍能带来惊喜效果，展示了本地化多模型协作在图像检索场景的潜力。

2026-10-03 ~ 2026-10-03 · 2 条相关

• DINOv3 + SAM 3.1 全本地组合：手术器械盘变视觉搜索引擎 — MaziyarPanahi · 2026-10-03

另有 1 条近重复转述:MaziyarPanahi